Pytorch
文章平均质量分 50
Pytorch的可视化工具TensorboardX学习日志
Joker 007
这个作者很懒,什么都没留下…
展开
-
利用集成方式来提高任意给定的神经网络性能
https://cloud.tencent.com/developer/article/1160636转载 2023-05-24 20:56:02 · 571 阅读 · 0 评论 -
Pytorch的hook技术——获取预训练/已训练好模型的特定中间层输出
Pytorch的hook技术——获取预训练/已训练好模型的特定中间层输出原创 2023-02-08 23:13:29 · 2027 阅读 · 0 评论 -
网络结构可视化——Torch-summary库
网络结构可视化原创 2022-10-15 00:02:02 · 3817 阅读 · 0 评论 -
深度学习验证指标计算Torchmetrics包
深度学习验证指标计算Torchmetrics包原创 2022-09-30 20:49:29 · 615 阅读 · 0 评论 -
检测任务评估指标AP和AR
检测任务评估指标原创 2022-09-22 14:17:39 · 3171 阅读 · 0 评论 -
深度学习模型大小与模型推理速度的深度探讨
深度学习模型大小与模型推理速度的深度探讨转载 2022-09-19 22:49:07 · 1165 阅读 · 0 评论 -
pytorch之DDP分布式训练技巧实战和混合精度训练
[PyTorch] DDP分布式训练技巧实战和混合精度训练原创 2022-07-08 15:59:47 · 696 阅读 · 0 评论 -
医学图像特征激活图可视化库MedCAM
官网:https://meclabtuda.github.io/M3d-Cam/medcam/medcam_inject.htmlGithub网址:https://github.com/MECLabTUDA/M3d-Cam安装可直运行:pip install medcam# 或者conda install -c conda-forge medcam例子代码:# Import M3d-CAMfrom medcam import medcam# Init your model and da原创 2022-01-23 22:10:10 · 1520 阅读 · 0 评论 -
三行代码可视化神经网络特征图
在科研论文,方案讲解,模型分析中,合理解释特征图是对最终结果的一个加分项。但是之前的一些可视化特征图的方法往往会有一些麻烦,于是在这里给大家推荐一个非常方便实现这个目标的库 – Evison。Github链接: GitHub - JonnesLin/Evison: We provide an easy way for visualizing视频讲解链接: 教你三行代码可视化神经网络特征图_哔哩哔哩_bilibili代码:# 首先需要安装Evison!pip install Evisonfrom原创 2022-01-16 17:05:46 · 294 阅读 · 2 评论 -
Transformer的位置编码学习日志
参考链接Positional Encodings in ViTs 近期各视觉Transformer中的位置编码方法总结及代码解析 1个人觉得比较好的博客和视频:1.【一位大佬的博客,里面关于数学推导的内容较多】Sinusoidal 位置编码追根溯源对应的视频:Transformer 位置编码追根溯源;2.另外一个讲解视频Transformer的位置编码(Position Encoding)进展梳理视频对应的手稿:...原创 2021-12-31 17:15:56 · 1008 阅读 · 0 评论 -
Pytorch损失函数cross_entropy、binary_cross_entropy和binary_cross_entropy_with_logits的区别
在做分类问题时我们经常会遇到这几个交叉熵函数:cross_entropy、binary_cross_entropy和binary_cross_entropy_with_logits。那么他们有什么区别呢?下面我们就来探讨一下:1.torch.nn.functional.cross_entropydef cross_entropy(input, target, weight=None, size_average=None, ignore_index=-100, re原创 2021-12-31 16:34:03 · 4931 阅读 · 1 评论 -
《深度学习——匹配》学习参考
机器视觉特征提取:HOG、SIFT、SURF、ORB、LBP、HAAR(https://mp.weixin.qq.com/s/DGV23WnMsq9o-Fnb0NKs5g)特征提取、特征描述、特征匹配的通俗解释:(https://www.pianshen.com/article/8410550640/)Homography matrix单应性矩阵:(https://cloud.tencent.com/developer/article/1084332);(https://zhuanlan.zhi原创 2021-12-16 20:28:21 · 1495 阅读 · 0 评论 -
数据增广Mosiac,MixUp,CutMix等.
参考博客:全网最全:盘点那些图像数据增广方式Mosiac,MixUp,CutMix等.转载 2021-12-10 21:29:34 · 529 阅读 · 0 评论 -
Pytorch的可视化学习日志2——Pytorch自带的Tensorboard
PyTorch 从 1.2.0 版本开始,正式自带内置的 Tensorboard 支持了,我们可以不再依赖第三方工具来进行可视化。本文将介绍 PyTorch 1.2.0 中自带 Tensorboard 的基本使用方法。安装PyTorch 的版本需要 1.2.0 :pip install --upgrade torch torchvision然后安装 Tensorboard 1.14 :pip install tensorboard安装完成后,引入响应包:Python 3.7.4 (def原创 2021-12-08 13:13:42 · 254 阅读 · 0 评论 -
针对不平衡数据的loss——Focal loss
总述Focal loss主要是为了解决one-stage目标检测中正负样本比例严重失衡的问题。该损失函数降低了大量简单负样本在训练中所占的权重,也可理解为一种困难样本挖掘。损失函数形式Focal loss是在交叉熵损失函数基础上进行的修改,首先回顾二分类交叉上损失:其中y‘是经过激活函数的输出,所以在0-1之间。可见普通的交叉熵对于正样本而言,输出概率越大损失越小。对于负样本而言,输出概率越小则损失越小。此时的损失函数在大量简单样本的迭代过程中比较缓慢且可能无法优化至最优。那么Focal loss原创 2021-11-13 14:59:52 · 1495 阅读 · 0 评论 -
深度学习模型的model.train() 和 model.eval()
训练完 train 样本后,生成的模型 model 要用来测试样本。在 model(test) 之前,需要加上model.eval(),否则只要有输入数据,即使不训练,model 也会改变权值。这是model中含有的 batch normalization 层所带来的的性质。因此在验证和测试做model.eval()时,框架会自动把BN和DropOut固定住,不会取平均,而是用训练好的值,不然的话,一旦test的batch_size过小,很容易就会被BN层导致生成图片颜色失真极大。model.train原创 2021-10-26 14:56:20 · 1927 阅读 · 0 评论 -
深度学习中学习率调整策略
参考博客:系统学习Pytorch笔记七:优化器和学习率调整策略pytorch优化器学习率调整策略以及正确用法Pytorch使用ReduceLROnPlateau来更新学习率分类模型参数调整的Github参考代码原创 2021-10-24 13:54:51 · 2733 阅读 · 0 评论 -
Pytorch的可视化学习日志1——TensorboardX
PyTorch 自身的可视化功能没有 TensorFlow 的 tensorboard 那么优秀,所以 PyTorch通常是借助 tensorboard(是借助,非直接使用)进行可视化,所以所用库的名字为tensorboardX。tensorboardX 最早叫 tensorboard,但此名易引起混淆,之后改为 tensorboardX, whichstands for tensorboard for X。Github网址:https://github.com/lanpa/tensorboardX原创 2021-09-17 12:02:33 · 273 阅读 · 0 评论 -
pytorch建立自己的数据集Dataset
参考博客:pytorch建立自己的数据集Dataset转载 2021-09-11 12:03:04 · 171 阅读 · 0 评论 -
Pytorch模型的保存及加载
深度学习模型保存模型参数的方法有两种:1.保存整个网络(模型结构+模型参数):# 保存整个模型和参数torch.save(model_object, 'convit_tiny.pth') # 对应的加载模型代码为model = torch.load('convit_tiny.pth')print(model)此时print的是整个网络的模型结构;若要加载模型的参数:model = torch.load('convit_tiny.pth')args = model.stat原创 2021-09-13 15:49:25 · 1589 阅读 · 0 评论 -
Python打开.pkl文件
.pkl文件是python保存文件的一种文件格式,如果直接打开会显示一堆序列化的东西。需要使用rb类型来打开rb – 读取2进制文件,r – 读取文本文件# cPickle是python2系列用的,3系列已经不用了,直接用pickle就好了import pickledata = pickle.load( open('a.pkl','rb')) #记得加上'rb'print(data)...原创 2021-09-09 17:31:34 · 5593 阅读 · 0 评论 -
pytorch多卡训练笔记
参考博客:pytorch 分布式训练 distributed parallel 笔记转载 2021-09-09 11:37:17 · 133 阅读 · 0 评论 -
Pytorch使用tensorboardX可视化。超详细!!!
链接:https://www.jianshu.com/p/46eb3004beca转载 2021-07-15 17:40:07 · 224 阅读 · 0 评论 -
Pytorch的数据增强、模型构建、模型可视化思维导图
Pytorch学习日志、思维导图原件以及代码可在此处下载:https://download.csdn.net/download/Joker00007/20439865原创 2021-07-23 21:13:36 · 258 阅读 · 0 评论 -
Python的super()函数
描述super() 函数是用于调用父类(超类)的一个方法。super() 是用来解决多重继承问题的,直接用类名调用父类方法在使用单继承的时候没问题,但是如果使用多继承,会涉及到查找顺序(MRO)、重复调用(钻石继承)等种种问题。MRO 就是类的方法解析顺序表, 其实也就是继承父类方法时的顺序表。语法以下是 super() 方法的语法:super(type[, object-or-type])参数type -- 类。object-or-type -- 类,一般是 selfPython原创 2021-09-08 17:35:58 · 407 阅读 · 0 评论 -
pytorch之dataloader深入剖析
参考文章:https://www.cnblogs.com/ranjiewen/p/10128046.html转载 2021-02-26 16:11:18 · 159 阅读 · 0 评论