随笔分类 - Pytorch
个人经验及实验中遇到的问题或使用使用到的知识点
摘要：1. 引言 在我们做分割任务时，通常会给一个mask，但训练时要进行onehot编码。 2. code import torch if __name__ == '__main__': label = torch.zeros(size=(1, 4, 4), dtype=torch.int) label
阅读全文
摘要：1. Tensor矩阵的最大值与最小值 max_data = data.max() min_data = data.min() 注意：不要使用min(data)与max(data)，都是错误的。 2. Tensor两个值比较大小 max_data = max(data1, data2) min_da
阅读全文
摘要：离线地址： https://download.pytorch.org/whl/torch_stable.html
阅读全文
摘要：1. 选用卷积之前填充（强烈建议） 小生非常推荐大家不再使用卷积所带的填充方式，虽然那种方式简单，但缺陷太多。① 不能根据自己的需要来决定上与下填充不等的边界，左右填充不等的边界；② 边界填充零容易出现伪影的情况，对实验效果影响比较大。将卷积中的Padding方式换为卷积前Padding效果会更佳，
阅读全文
摘要：1. 扩展Tensor维度 相信刚接触Pytorch的宝宝们，会遇到这样一个问题，输入的数据维度和实验需要维度不一致，输入的可能是2维数据或3维数据，实验需要用到3维或4维数据，那么我们需要扩展这个维度。其实特别简单，只要对数据加一个扩展维度方法就可以了。 1.1 torch.unsqueeze(s
阅读全文
摘要：1. img = img.convert() PIL有九种不同模式: 1，L，P，RGB，RGBA，CMYK，YCbCr，I，F。 1.1 img.convert('1') 为二值图像，非黑即白。每个像素用8个bit表示，0表示黑，255表示白。 1.1.1 Code 1 from PIL impo
阅读全文
摘要：1. 三通道彩色图像转单通道灰度图像 做图像处理的宝宝们，通常会对输入的图像做处理，即图像增强。包括归一化，转tensor，旋转，翻转，裁剪，缩放等等操作，另外也可能会做三通道的彩色图像转单通道的灰度图像。 笔者看网上给了一些对源码操作的方式，我不推荐，一行代码就能搞定。transforms.Gra
阅读全文
摘要：1. torch.abs(self: Tensor, *, out: Optional[Tensor]=None) pytorch中对tensor求绝对值，使用的方法是torch.abs()，跟numpy中求绝对值的方法类似，numpy中使用numpy.abs()。 参数说明： self：传入的参数
阅读全文
摘要：1. Image.open(fp, mode="r") 调用此方法需要引入头文件：from PIL import Image。 参数说明： fp：图片路径，可为绝对路径或相对路径。 model：默认即可。 2. 例子 2.1 Code 首先给定图片路径，然后调用函数Image.open()即可。 1
阅读全文
摘要：1. cv2.imread(filename, flags=None) 需要引入头文件: import cv2 参数说明: filename: 文件路径，绝对路径和相对路径都可以。 2. 例子 2.1 Code 首先定义路径，然后直接调用函数cv2.imread()即可。 1 import cv2
阅读全文
摘要：1. repeat_interleave(self: Tensor, repeats: _int, dim: Optional[_int]=None) 参数说明： self: 传入的数据为tensor repeats: 复制的份数 dim: 要复制的维度，可设定为0/1/2..... 2. 例子 2
阅读全文
摘要：1. torch.sum(input, dim, out=None) 参数说明： input：输入的tensor矩阵。 dim：求和的方向。若input为2维tensor矩阵，dim=0，对列求和；dim=1，对行求和。注意：输入的形状可为其他维度（3维或4维），可根据dim设定对相应的维度求和。
阅读全文
摘要：1. torch.cat(inputs, dimension=0)说明 torch.cat用于对tensor的拼接，dim默认为0，即从第一维度拼接。表示为4维的图像tensor中，第一维默认为batchSize,第二维为channel（通道），第三维为height（图片的高），第四维为width（
阅读全文
