pytorch
文章平均质量分 68
Huang_Fj
这个作者很懒,什么都没留下…
展开
-
torch.gather()用法详解
官方示例链接:https://pytorch.org/docs/stable/generated/torch.gather.htmltorch.gather(input, dim, index, *, sparse_grad=False, out=None) → Tensor# 沿由 dim 指定的轴收集input的值,其输出形状与index相同。input (Tensor) – the source tensordim (int) – the axis along which to inde原创 2022-04-17 20:29:40 · 3267 阅读 · 0 评论 -
闲时GPU占用脚本
为了防止做深度学习的时候出现较长时间的GPU空间,用bash写了个GPU检测的程序。主要就是通过nvidia-smi的API获取当前节点上GPU的使用情况,如果空闲内存小于所需的最小内存就一直等待,大于则执行code.sh文件。#!/bin/bash# use 'nvidia-smi' API to get used memorymemory=`nvidia-smi --format=csv,noheader --query-gpu=memory.free -i 0`memory=${memor原创 2022-03-30 15:02:18 · 1199 阅读 · 0 评论 -
tensorboard 主要用法
renderNumberedHeading: truegrammar_cjkRuby: truegrammar_mathjax: truetensorboard主要是用于记录训练过程中的各种参数,基本上可以把展现出所有的训练细节。对于改进模型的有着极大的益处。from datetime import datetimefrom tensorboardX import SummaryWriter# TIMESTAMP用于新建一个文件夹,存储不同时间训练得到的结果TIMESTAMP = "{0:.原创 2022-03-26 23:13:41 · 877 阅读 · 0 评论 -
Numpy和Pytorch中数据类型的转换
损失函数对于不同数据类型的要求cross_entropyBCLLoss存储位置的转换数据类型的转换原创 2021-10-16 17:09:51 · 1698 阅读 · 0 评论 -
python中图像的读取、存储与显示
主要讲一下关于图片的读取、显示以及保存,包括用transform预处理过的图片。(后来发现预处理过的图片没多大变化,不需要单独列出)1、PIL中的Image类可以利用PIL中的Image类来读取图片,Image是一个类,它的常用方法有open(),save(),show(),spilt()和merge()等。更多方法from PIL import Imageimport numpy as npfile_path = '/home/fj/Pictures/85mm'img = Image.ope原创 2021-06-25 17:45:38 · 1465 阅读 · 0 评论 -
pytorch 踩坑笔记
本来应该很早就写一个的,现在也不晚,慢慢记录吧1、数据同时存在于CPU和GPU上报错:RuntimeError: Expected all tensors to be on the same device, but found at least two devices, cuda:0 and cpu!代码片段class Linear(nn.Module): def __init__(self,in_features=1024,out_features=31, momentum=0.9):原创 2021-06-22 20:58:36 · 2191 阅读 · 0 评论 -
pytorch计算图
计算图(Computational Graph),叶子节点和运算节点仅仅只是个人对于pytorch中计算图的理解一个计算图由两部分构成:数据节点和运算节点,数据节点包含叶子节点和非叶子节点,运算节点也称运算操作。数据可以在计算图上正向传播也可以反向更新。叶子节点: 凡是具有requires_grad = False属性的Tensor都是叶子节点,但是并不是所有叶子节点的requires_grad都是False;那些由使用者自己定义的requires_grad = True的数据节点也是叶子节点,这原创 2021-06-22 12:42:37 · 1654 阅读 · 0 评论 -
如何创建一个Tensor
首先简单说明一下什么是Tensor,它指的是高维张量,存在于n维空间;其维度不同于向量或矩阵的维度,他们只存在于平面上;与numpy里的Array比较类似。可以将其维度看作“[”括号的个数。其中每个数字代表的就是中括号里元素的个数,2就是最外成的中括号里有2个元素,这里将每个中括号看作一个元素。2和3同理。这样的话,任意给定一个高维的张量,也能判断它的形状了。再就是axis的理解。从输出结果看,axis从小到大指定的就是shape输出里从左至右的维度。比如3,就是值最里层的那个中括号里有三个元素。ten原创 2021-06-22 11:45:16 · 4860 阅读 · 0 评论