![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
PyTorch
文章平均质量分 76
bleedingfight
用最少的资源搬最多的砖!
展开
-
PyTorch C++源码调试
PyTorch C++源码调试文章目录PyTorch C++源码调试1.编译PyTorch源码2.Debug 流程3. 实际演示环境:PyTorch源码:截止到(2021-6-25)源码,编译后torch.__version__=1.10.0a0+gitd03ff1aCPU编译:(因为需要debug 模块的C++运行逻辑,这里只编译了CPU支持)系统:5.10.18-1-MANJARO。需要注意的是manjaro滚动更新,当你目前滚动升级了,你的gcc版本将为11,cuda的编译将不支持。不过你原创 2021-06-25 15:56:46 · 1673 阅读 · 1 评论 -
PyTorch 循环模块解析
LSTM模块参数说明输入的参数列表包括:input_size:输入数据的特征维数hidden_size:LSTM中隐层的维度num_layers:循环神经网络的层数bias:是否用bias参数,默认为Truebatch_first :是否将batch设置为输入数据第一位,设置后output同样按照此规则进行。默认为Falsedropout 默认是0,代表不用dropoutbidirectional默认是false,代表不用双向LSTM输入数据:input,(h_0,c_0):in原创 2021-04-01 22:17:50 · 532 阅读 · 0 评论 -
mmclassification训练分类网络
使用mmclassification分类宠物狗最近因为开发需要测试不同深度学习框架下模型的转换和解析,经常需要使用不同的框架训练模型。然后问题就出现了,当我尝试转换一个caffe模型结果不好这时候是我本身配置不正确导致的还是数据源头设置不正确导致的亦或者是模型转换本身出错导致的?这时候经常需要自己训练一个网络。如果使用caffe训练需要熟悉caffe的一套框架(训练和部署)特别是网络上caffe资源比较少,一些比较先进的网络自己配置实现比较麻烦,所以产生了这个需求:尽快训练、网络先进、框架主流。这时候mm原创 2021-03-21 21:59:25 · 3764 阅读 · 1 评论 -
使用PyTorch训练cifar10
训练cifar10cifar10数据集相对较大,比minst更适合测试不同算法下的性能,这里没有使用原始的cifar10的python数据,因为原始数据为了方便存储采用的是序列化后的文件,在实际中我们训练的模型通常都是直接获取的图像,没有必要先pickle之后unpickle。此例子用来展示一个简单的分类任务实现,网络部分没有自行设计。主要是从产品的角度实现分类这一功能。同时还有一个目的是用来测试PyTorch环境是否正常。这段时间一直使用ubuntu20,无奈ubuntu20问题太多了,休眠后音频无原创 2021-03-08 00:22:51 · 1717 阅读 · 4 评论