Lily的博客

由于多GPU训练使用了 nn.DataParallel(net, device_ids=gpu_ids) 对网络进行封装，因此在原始网络结构中添加了一层module。网络结构如下：而不使用多GPU训练的网络结构如下：重点多GPU训练好的模型，单GPU 如何正确加载方法一：（训练的时候必须写好的不同保存模式）或者写入字典方法二：无论有几个GPU 都按并行的方式加载即可，一个也可以，不影响或者字典中的加载参考链接：[1]https://blog.csdn.net/anshiquanshu/a

1： 下载的预训练模型# VGG-16class UNet(nn.Module): def __init__(self, n_channels, n_classes, bilinear=True, pretrained=True): super(UNet, self).__init__() self.n_channels = n_channels self.n_classes = n_classes # 类别1 self.bili

1. 应有tensorboard生成文件形如： 2. 应有tensorboard： pip install tensorboard1 步骤 1. 打开一个本地session，以下为MobaXterm中显示： 2. 输入命令： ssh -L 16006:127.0.0.1:6006 <服务器登录用户名>@<服务器地址>1 例如： ssh -L 16006:127.0.0.1:6006 aaa@111.11.31.1111 其中： 1）替换端口名、服务器登录用

卷积核类型简介一个简短的介绍卷积使用“kernel”从输入图像中提取某些“特征”。kernel是一个矩阵，可在图像上滑动并与输入相乘，从而以某种我们期望的方式增强输出。看下面的GIF。上面的kernel可用于锐化图像。但是这个kernel有什么特别之处呢？考虑下图所示的两个输入图像。第一个图像，中心值为3 * 5 + 2 * -1 + 2 * -1 + 2 * -1 + 2 * -1 =7，值3增加到7。第二个图像，输出是1 * 5 + 2 * -1 + 2 * -1 + 2 * -1 + 2 * -1