OneBaBa的专栏

一、开篇简述CTC 的全称是Connectionist Temporal Classification，中文名称是“连接时序分类”，这个方法主要是解决神经网络label 和output 不对齐的问题（Alignment problem），其优点是不用强制对齐标签且标签可变长，仅需输入序列和监督标签序列即可进行训练，目前，该方法主要应用于场景文本识别（scene text recognition）、语音识别（speech recognition）及手写字识别（handwriting recognition

本文是PyTorch使用过程中的的一些总结，有以下内容：构建网络模型的方法 网络层的遍历 各层参数的遍历 模型的保存与加载 从预训练模型为网络参数赋值主要涉及到以下函数的使用add_module,ModulesList,Sequential模型创建 modules(),named_modules(),children(),named_children()访问模型的各个子模块 parameters(),named_parameters()网络参数的遍历 save(),load()...

import torchimport torch.nn as nn#inplace为True，将会改变输入的数据 ，否则不会改变原输入，只会产生新的输出m = nn.ReLU(inplace=True)input = torch.randn(7)print("输入处理前图片：")print(input)output = m(input)print("ReLU输出：")print(output)print("输出的尺度：")print(output.size())print.

import torchimport torch.nn as nnimport torch.nn.functional as Ffrom torch.autograd import Variableimport numpy as np input = Variable(torch.Tensor([[[1, 3, 3, 4, 5, 6, 7], [1, 2, 3, 4, 5, 6, 7]], [[1, 3, 3, 4, 5, 6, 7], [1, 2, 3, 4, 5, 6, 7]]]).

output = torch.max(input, dim)input输入的是一个tensordim是max函数索引的维度0/1，0是每列的最大值，1是每行的最大值实例import torchimport numpy as npimport matplotlib.pyplot as pltx = torch.randn(3,3)print(x)max_value,index = torch.max(x,dim=1) #返回的是两个值，一个是每一行最大值的tensor组，另一个是

class torch.nn.Softmax(input, dim)或torch.nn.functional.softmax(input, dim)对n维输入张量运用Softmax函数，将张量的每个元素缩放到（0,1）区间且和为1。Softmax函数定义如下：参数：　　dim:指明维度，dim=0表示按列计算；dim=1表示按行计算。默认dim的方法已经弃用了，最好声明dim，否则会警告：UserWarning: Implicit dimension choice for .

PyTorch的nn.Linear（）是用于设置网络中的全连接层的，需要注意的是全连接层的输入与输出都是二维张量，一般形状为[batch_size, size]，不同于卷积层要求输入输出是四维张量。其用法与形参说明如下：  in_features指的是输入的二维张量的大小，即输入的[batch_size, size]中的size。  out_features指的是输出的二维张量的大小，即输出的二维张量的形状为[batch_size，output_size]，当然，它也代表了该全连接层的神经元个数。  

之前对于pytorch的网络编程学习都是大致理解每一层的概念，有些语法语句没有从原理上弄清楚，就比如标题的x = x.view(x.size(0), -1) 。这句话一般出现在model类的forward函数中，具体位置一般都是在调用分类器之前。分类器是一个简单的nn.Linear()结构，输入输出都是维度为一的值，x = x.view(x.size(0), -1) 这句话的出现就是为了将前面多维度的tensor展平成一维。下面是个简单的例子，我将会根据例子来对该语句进行解析。class N..

几乎每个文件夹下都有__ init.py__，一个目录如果包含了 init.py 文件，那么它就变成了一个包（package）。__ init.py__可以为空，也可以定义包的属性和方法，但其必须存在，其它程序才能从这个目录中导入相应的模块或函数。例如在data/文件夹下有__ init.py__，则在main.py中就可以from data.dataset import DogCat。而如果在__ init.py__中写入from .dataset import DogCat，则...

图像加载问题使用pytorch制作图像数据集时，需要将存储在磁盘、硬盘的图像读取到内存中，涉及到图像I/O问题。在python中，图像处理主要采用的库：skimage, opencv-python, Pillow (PIL)。 这三个库均提供了图像读取的方法。三种主流图像处理库的比较：库 函数/方法 返回值 图像像素格式 像素值范围 图像矩阵表示 skimage io.imread(xxx) numpy.ndarray RGB [0,

一、理解tensor的维度TensorFlow对张量的阶、维度、形状有着明确的定义，而在pytorh中对其的定义却模糊不清，仅仅有一个torch.size()的函数来查看张量的大小（我理解的这个大小指的就是TensorFlow对张量的形状描述，也和numpy的.shape类似）。所以，首先要搞清楚如何看一个张量的形状。 import torch z = torch.ones(2,3,4) print(z) print(z.size()) pr..