摘要：
numpy中reshape函数的三种常见相关用法 reshape(1,-1)转化成1行： reshape(2,-1)转换成两行： reshape(-1,1)转换成1列： reshape(-1,2)转化成两列 数组新的shape属性应该要与原来的配套，如果等于-1的话，那么Numpy会根据剩下的维度计 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：
用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标，一般用在 for 循环当中。 举例： 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