Pytorch
huahuahuahhhh
一步一步,慢慢来
展开
-
pytorch历史包安装路径
pytorch历史版本文件下载原创 2023-03-14 17:18:01 · 128 阅读 · 0 评论 -
model.train()与model.val()
model.train()与model.val()区别原创 2023-02-01 14:59:48 · 715 阅读 · 0 评论 -
查看pytorch模型种权重的名字及值
查看pytorch模型种权重的名字及值原创 2022-10-22 15:11:48 · 2423 阅读 · 1 评论 -
pytorch加载分布式方式训练的模型
pytorch分布式模型加载原创 2022-09-24 18:02:32 · 805 阅读 · 0 评论 -
pytorch计算模型的参数量及FLOPs
方法一:使用thop包的profile方法import torchfrom thop import profilefrom torchvision import modelsmodel = models.resnet50(pretrained=False)img = torch.zeros((1, 3, image_height, image_width))flops, params = profile(model, inputs=(img,), verbose=False)resnet50原创 2022-05-13 14:57:53 · 1723 阅读 · 0 评论 -
BCE loss和 CE理解
BCE loss pytorch官网链接BCE loss:Binary Cross Entropy Losspytorch中调用如下。设置weight,使得不同类别的损失权值不同。其中x是预测值,取值范围(0,1), target是标签,取值为0或1.在Retinanet的分类部分最后一层的激活函数用的是sigmoid,损失函数是BCE loss.BCE loss可以对单个类别进行求损失,配合sigmoid(每个类别单独求概率,不同类别间互不影响)。相当于是把每个类别都看成了二分类的问题,为后面使原创 2021-08-19 14:43:31 · 15578 阅读 · 0 评论 -
pytorch中tensorboard使用
参考官网导入tensorboardfrom torch.utils.tensorboard import SummaryWriter创建SummaryWriter实例writer=SummaryWriter( log_dir=None, comment='', purge_step=None, max_queue=10, flush_secs=120, filename_suffix='')参数log_dir生成日志文件保存的路径,默认是./runs,一般只需设置这个,其余选默认值Sum原创 2021-08-13 15:47:25 · 326 阅读 · 0 评论 -
permute、transpose、view、reshape、unsequeeze与flatten
Pytorch中view, transpose, permute等方法的区别关于张量的Flatten、Reshape和Squeeze的解释transpose 只能交换两个维度,参数是(dim1,dim2)。与原数组共内存空间permute 也是交换维度,参数是维度列表(dim1,dim2,dim3,…)。不与元素组公用内存空间view:reshape(self,dim):变形unsequeeze(self,dim):解压缩 增加一个长度为1的维数。sequeeze(self):压缩数组,去掉维原创 2021-06-28 17:19:44 · 755 阅读 · 0 评论 -
pytorch中数组维度的理解
pytorch中数组维度理解与numpy中类似,pytorch中维度用axis表示,numpy中用dim表示这里主要想说下维度的变化。dim = x ,表示在第x为上进行操作,那个维度会发生变化。一、二维数组1. 两个二维数组的拼接维度为(2,3)与(2,4)的数组拼接后的维度是(2,7)import torcha = torch.Tensor(np.arange(6).reshape(2,3))b = torch.Tensor(np.arange(8).reshape(2,4))prin原创 2021-06-28 15:36:59 · 1302 阅读 · 0 评论 -
pytorch中的切片时的省略号
x = torch.randint(0,10,(2,3,4))print(x)print(x[...,:2]==x[:,:,:2])# 当x有3个维度时,这二者相等。x[…, :2] # 前面的维度都取,最后一个维度只取前两个元素。x = torch.randint(0,10,(2,3,4))print(x)print('*** 单个元素 ***')print(x[...,1],x[...,1].shape)print('*** 多个元素 ***')print(x[...,:2]原创 2021-05-18 14:35:42 · 1099 阅读 · 0 评论 -
Pytorch数据类型转换
Pytorch-数据类型转换 ...转载 2020-08-20 18:07:54 · 7242 阅读 · 0 评论 -
Pytorch迁移学习
参考一、定义迁移学习是在A问题上训练好的模型,应用到B问题上。比较严格的定义:迁移学习定义如下,给定了源域(source domain)和源任务(source task)、目标域(target domain)和目标任务(target task),利用源域在解决任务中获得一些知识来提升目标任务的这样一种算法。其中源域与目标域不相等或者源任务与目标任务不相同。而这里域的不同可以分解为两个方...原创 2019-06-05 15:52:10 · 1479 阅读 · 0 评论 -
Pytorch中图像预处理相关函数
数据处理是模型训练之前的必备的一步,在Pytorch的TORCHVISION.TRANSFORMS.TRANSFORMS包含下面一下图像处理的函数:Compose"Composes several transforms together” 组合几种不同的变形方法ToTensorConvert a PIL Image or numpy.ndarray to tensor. Co...原创 2019-06-01 17:35:45 · 1975 阅读 · 0 评论 -
Kaggle狗的种类识别竞赛——基于Pytorch框架的迁移学习方法
本文代码主要参考:https://www.kaggle.com/blankitdl/using-pytorch-resnet/edithttps://www.kaggle.com/blankitdl/use-pretrained-pytorch-models/edit一、基本介绍比赛题目Dog Breed Identification官网对于比赛的介绍In this playgro...原创 2019-06-11 16:58:19 · 3102 阅读 · 3 评论