随笔分类 - pytorch学习
2022.3.8开始学习
摘要：为了方便进行数据的操作，pytorch团队提供了一个torchvision.transforms包，我们可以用transforms进行以下操作： PIL.Image/numpy.ndarray与Tensor的相互转化； 归一化； 对PIL.Image进行裁剪、缩放等操作。 通常，在使用torchvi
阅读全文
摘要：1.下采样是缩小图像，英文是subsampled或者downsampled；上采样是放大图像，英文是upsampling 2.池化层是当前卷积神经网络中常用组件之一，它最早见于LeNet一文，称之为Subsample。自AlexNet之后采用Pooling命名。池化层是模仿人的视觉系统对数据进行降维
阅读全文
摘要：https://blog.csdn.net/qq_27825451/article/details/90550890这个链接超级详细！ class NeuralNet(nn.Module): pytorch中其实一般没有特别明显的Layer和Module的区别，不管是自定义层、自定义块、自定义模型，
阅读全文
摘要：Tensor总结 （1）Tensor 和 Numpy都是矩阵，区别是前者可以在GPU上运行，后者只能在CPU上； （2）Tensor和Numpy互相转化很方便，类型也比较兼容 （3）Tensor可以直接通过print显示数据类型，而Numpy不可以
阅读全文
摘要：一、.to(device) 可以指定CPU 或者GPU device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu") # 单GPU或者CPU model.to(device) #如果是多GPU if torch.cud
阅读全文
摘要：torch.device代表将torch.Tensor分配到的设备的对象，有cpu和cuda两种，这里的cuda就是gpu，至于为什么不直接用gpu与cpu对应，是因为gpu的编程接口采用的是cuda print(torch.cuda.is_available()) #cuda是否可用； print
阅读全文
摘要：在pytorch中，tensor有一个requires_grad参数，如果设置为True，则反向传播时，该tensor就会自动求导。tensor的requires_grad的属性默认为False,若一个节点（叶子变量：自己创建的tensor）requires_grad被设置为True，那么所有依赖它
阅读全文
摘要：correct+=(predicted==labels).sum() 一、Python自带sum() sum(iterable[, start])：iterable——可迭代对象，如：list、tuple、set等；start——固定相加的参数，默认为0。 sum([0, 1, 2]) -- > 3
阅读全文
摘要：一、_, predicted = torch.max(outputs.data, 1) 那么，这里的 下划线_ 表示什么意思？ 首先，torch.max()这个函数返回的是两个值，第一个值是具体的value（我们用下划线_表示），第二个值是value所在的index（也就是predicted）。 那
阅读全文
摘要：1.detach()：返回一个新的Variable，从当前计算图中分离下来的，但是仍指向原变量的存放位置,不同之处只是requires_grad为false，得到的这个Variable永远不需要计算其梯度，不具有grad。 即使之后重新将它的requires_grad置为true,它也不会具有梯度g
阅读全文
摘要：https://pytorch123.com/ThirdSection/SaveModel/ 这个链接非常的详细！ 1、#保存整个网络 torch.save(net, PATH) # 保存网络中的参数, 速度快，占空间少 torch.save(net.state_dict(),PATH) # #针对
阅读全文
摘要：修改resnet最后的全连接层输出大小： resnet = torchvision.models.resnet18(pretrained=True) for param in resnet.parameters(): param.requires_grad = False. #冻结所有层 resne
阅读全文
摘要：一、torchvision主要包括一下几个包： vision.datasets : 几个常用视觉数据集，可以下载和加载，这里主要的高级用法就是可以看源码如何自己写自己的Dataset的子类vision.models : 流行的模型，例如 AlexNet, VGG, ResNet 和 Densenet
阅读全文
摘要：1.均匀分布torch.rand(*sizes, out=None) → Tensor 返回一个张量，包含了从区间[0, 1)的均匀分布中抽取的一组随机数。张量的形状由参数sizes定义。 参数: sizes (int...) - 整数序列，定义了输出张量的形状; out (Tensor, opti
阅读全文
摘要：class torch.optim.SGD(params, lr=, momentum=0, dampening=0, weight_decay=0, nesterov=False)[source] 实现随机梯度下降算法（momentum可选）。 Nesterov动量基于On the importa
阅读全文
摘要：nn.Linear()：用于设置网络中的全连接层，需要注意的是全连接层的输入与输出都是二维张量 一般形状为[batch_size, size]，不同于卷积层要求输入输出是四维张量。其用法与形参说明如下：
阅读全文
摘要：1.零维张量，又叫做标量 2.一维张量，没有行和列的概念，只有长度 3.二维张量，行和列，几行几列 4.三维张量，行、列、深度 https://www.jianshu.com/p/f34457c222c5
阅读全文
