Catherinemin的博客

在你的 Python 代码中，使用 wandb.login() 或设置环境变量 WANDB_API_KEY 来配置 WandB 的 API 密钥。在 “API Keys” 部分，你可以生成一个新的 API 密钥。从github上下载了一个项目，结果有个wandb这个库，初始化fail，来了解了解。生成 API 密钥后，将其保存在一个安全的位置，因为你需要在你的代码中使用它。2.登录后，打开 “Settings” 页面，通常位于你的用户资料或主页中。就可以了，到这，代码不报错，后面再来补充！

用的不是很多，了解基础的就行了。

用于将训练过程中的各种信息写入到 TensorBoard 日志文件中，然后可以通过 TensorBoard 可视化这些信息。就能看到输入图片和输出图片是什么样。在 PyTorch 中，在命令行窗口中，输入。

torch.sum(imgs, dim=0) # 按列求和torch.sum(imgs, dim=1) # 按行求和。

如果PIL图像属于模式（L、LA、P、I、F、RGB、YCbCr、RGBA、CMYK，1）之一，或者numpy.ndarray的dtype=np.uint8。可以看到不使用transfomer.ToTensor()时输出是一个PIL.Image.Image类型的图像。可以清楚的看到图像类型从PIL.Image.Image类型转为tensor类型了。将PIL图像或ndarray转换为tensor，并相应地缩放值。2.再来看看使用transfomer.ToTensor()后的。1.先来看看，不使用。

当用户按下 Enter 键后，脚本会退出，并保持命令窗口打开。3.我们来试试如果main.py中默认不给出参数，直接运行main.py看看行不行。最近要复现论文了，发现代码的主函数在.py文件中，运行脚本是在.sh中。shell脚本中添加以下代码，用来检查，上一行是否执行成功。1.新建一个pycharm项目，新建main.py。要命的事，我不懂，我怎么debug。a.直接运行main.py文件即可。直接运行main.py就报错了。c.运行main.sh文件。2.新建main.sh文件。

如果split_size_or_sections是一个列表，那么张量将被拆分为len（split_size _or_section）块，其大小根据split_sze_or_secttions为dim。如果split_size_or_sections是整型，那么张量将被拆分为大小相等的块（如果可能的话）。如果沿着给定维度dim的张量大小不能被split_size整除，则最后一个块将更小。) – tensor to split.需要分裂的tensor。每个块都是原始张量的一个视图。

torch.cat（）可以看作是torch.split（）和torch.chunk（）的逆操作。将给定维度中的seq张量的给定序列连接起来。所有张量必须具有相同的形状（连接维度除外）或为空。

permute()，这个函数是做维度交换的torch.view()方法对张量改变“形状”其实并没有改变张量在内存中真正的形状。简单地说，view方法没有拷贝新的张量，没有开辟新内存，与原张量共享内存，只是重新定义了访问张量的规则，使得取出的张量按照我们希望的形状展现。torch.contiguous()方法首先，然后将地址按照形状改变后的张量的语义进行排列。就是说contiguous()方法改变了多维数组在内存中的存储顺序，以便配合view方法使用。

sigmoid是激活函数的一种，它会将样本值映射到0到1之间。

在CNN中，全连接常出现在最后几层，用于对于前面设计的特征做加权和，比如mnist，前面的卷积和池化相当于做特征工程，后面的全连接相当于做特征加权。备注：这里需要注意下，偏置b的加法与普通的矩阵加法不太一样，这里只需要保持偏置b的列数与输出y的列数相同即可，对应位置元素相加，每一行都是加的同样的偏置。对前层是全连接的全连接层可以转化为卷积核为1*1的卷积，而前层是卷积层的全连接层可以转化为卷积核为h*w的全局卷积，h和w分别为前层卷积结果的高和宽。其中x是输入，A是权值，b是偏置，y是输出，

二维平均自适应池化，只需要给出输出的参数就可以自动寻找相应的kernal size以及stride。

代码查看：# help(torch.ones)，我们可以调用help函数。例如，我们来[查看张量ones函数的用法。# 查看torch.nn.Sequential的帮助文档2.用法CLASS*args:Moduleforward()method ofSequentialSequentialSequentialSequential).Sequentialand a?SequentialSequential容器。模块将按照它们在构造函数中传递的顺序添加。