摘要：
加快Pytorch训练速度 num_workers num_worker=0表示只用主进程读取数据， num_worker=4/8表明使用额外的4/8子进程读取数据 一般来说，增大num_worker可以增加GPU的利用率，从而加快训练的速度。 但是有时候即使增大num_worker也无法提高GPU 阅读全文
摘要：
人脸关键点识别 网络结构 基于回归：resnet或者MobileNet在global average pooling层后直接增加全连接层，输出为人脸关键点 损失函数 L1 loss：绝对值之差 MSE loss：均方差误差 SmoothL1：改进后的L1损失（见pytorch doc） Wing l 阅读全文
摘要：
"参考" 在pytorch中计算KLDiv loss 注意reduction='batchmean'，不然loss不仅会在batch维度上取平均，还会在概率分布的维度上取平均。具体见 "官方文档" 阅读全文
摘要：
在pytorch中load模型，出现CUDA ERROR:out of memory,基本有下面三个原因： CUDA显存不足 解决办法：换成显存更大的显卡 显卡被占用 当存在多个显卡时，pytorch默认使用0号显卡，当0号显卡被占用时，即使1号显卡空闲仍然会报错 解决办法：让其他显卡不可见，此时0 阅读全文
摘要：
在训练人脸属性网络时，发现在优化器里增加weight_decay=1e-4反而使准确率下降 pytorch论坛里说是因为pytorch对BN层的系数也进行了weight_decay，导致BN层的系数趋近于0，使得BN的结果毫无意义甚至错误 当然也有办法不对BN层进行weight_decay， 详见p 阅读全文
摘要：
"参考" 第一种方法：在构建model的时候return对应的层的输出 第2中方法：当模型用Sequential构建时，则让输入依次通过各个模块，抽取出自己需要的输出 阅读全文
摘要：
keras中提取每一层的系数 建立一个keras模型 返回所有层的权重系数，并保存成numpy array 得到具体某一层的权重系数 对于BN层，layer.get_weights()返回一个list，为 "gamma, beta, mean, std]四个array, 见[stackoverflo 阅读全文