摘要：
model.train()和model.eval()用法 1.1 model.train() model.train()的作用是启用 Batch Normalization 和 Dropout。 如果模型中有BN层(Batch Normalization）和Dropout，需要在训练时添加model 阅读全文
摘要：
一、resnet18整体网络结构 我们观察，实际可以将ResNet18分成6个部分： 1. Conv1：也就是第一层卷积，没有shortcut机制。 2. Conv2：第一个残差块，一共有2个。 3. Conv3：第二个残差块，一共有2个。 4. Conv4：第三个残差块，一共有2个。 5. Con 阅读全文
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.论文：Gradient-Based Learning Applied to Document Recognition 2.网络结构： LeNet包括7个layers（不包括Input），Fig 1中的C、S和F分别指卷积层、下采样层（池化层）和全连接层，其后所跟随的数字1-6指所在层的索引位置。 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：
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：
https://www.runoob.com/python/att-string-format.html print('{} {}'.format("name","gender")) print("网站名：{name}, 地址 {url}".format(name="菜鸟教程", url="www. 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：
size()函数主要是用来统计矩阵元素个数，或矩阵某一维上的元素个数的函数。 参数numpy.size(a, axis=None)a：输入的矩阵axis：int型的可选参数，指定返回哪一维的元素个数。当没有指定时，返回整个矩阵的元素个数。 >>> a = np.array([[1,2,3],[4,5 阅读全文