关于pytorch中的卷积操作

本文记录了作者在学习PyTorch过程中对卷积操作的理解,特别是torch.nn.Conv2d()函数的使用。同时,分享了论文讨论中关于数据集probeset和galleryset的困惑,以及数据集反转对mAp值的影响。在代码处理部分,作者提到了远程连接服务器的方法和使用nohup命令进行后台运行的重要性。
摘要由CSDN通过智能技术生成

从今天开始学习pytorch,在论文进度更新的同时也更新pytorch的学习过程。

在CNN中,有个重要的操作成为卷积,尤其是在图像处理中使用的最多,这里是对torch中nn模块的二维卷积的介绍。

torch.nn.Conv2d()函数详解

这里是一个计算公式,是比较复杂的计算公式,正常的话输出形状为图像和过滤器相加+1

output_shape = (image_shape-filter_shape+2*padding)/stride + 1

为了让程序能够在后台良好的运行,可以使用这个命令,nohup命令,具体可以参考这里:linux后台执行命令&和nohup的具体使用方法_Linux_脚本之家

论文讨论结果

probeset和galleryset的详细定义实在是太难找了,我弄了半天也怎么整明白,probe是探针的意思,galley是画廊的意思,我们需要以probe作

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

肆十二

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值