l8947943的博客

1. 在conda虚拟环境中安装了torch，一般命令都可以正常使用，但是使用cuda的命令torch.cuda.is_available()则输出False。2. 经过一番查阅资料后，该问题的根本原因是CUDA环境与Torch版本不匹配，因此最直接的解决方式就是使用官方推荐的版本进行适配。3. 解决思路查看本机安装的cuda版本，通过查阅有三个命令cat /usr/local/cuda/version.txtnvidia-sminvcc -V有时候会不幸输出三个不同的版本，这里在虚

先看用法import torchimport torch.nn as nninput = torch.randn(1, 2, 3, 4)print(input)bn = nn.BatchNorm2d(num_features=2)res = bn(input)print(res)2. 作用其实就是将一批feature map进行标准化处理。我们都学过正态分布的表达，xˉi=x−μσ2{\bar x_i} = \frac{{x - \mu }}{{{\sigma ^2}}}xˉ.

1. 碰见 numpy.transpose 用于高维数组时挺让人费解，通过分析和代码验证，发现 transpose 用法还是很简单的。说白了就是映射坐标轴2. 举个例子：x = np.arange(12).reshape((2,3,2))创建一个2 * 3 * 2的数组：使用 numpy.transpose ()进行变换，其实就是交换了坐标轴，如：x.transpose(1, 2, 0......

手上目前拥有数据集是一大坨，没有train，test，val的划分，如图所示目录结构：|---data |---dslr |---images |---back_pack |---a.jpg |---b.jpg ...转换后的格式如图目录结构为：|---...

在pytorch中想自定义求导函数，通过实现torch.autograd.Function并重写forward和backward函数，来定义自己的自动求导运算。参考官网上的demo：传送门直接上代码，定义一个ReLu来实现自动求导import torchclass MyRelu(torch.autograd.Function): @staticmethod def f...

1. 最近重新学习torch知识，想实现对自己的数据集的封装和划分，由于自己的数据集格式如图所示层级结构：|---data |---amazon |---images |---back_pack |---frame_0001.jpg |---frame_0002.jpg |---frame_0002.jpg ...2. 首先，如果数据集层级结构...

1. 我们经常可以看到Pytorch加载数据集会用到官方整理好的数据集。很多时候我们需要加载自己的数据集，这时候我们需要使用Dataset和DataLoaderDataset：是被封装进DataLoader里，实现该方法封装自己的数据和标签。DataLoader：被封装入DataLoaderIter里，实现该方法达到数据的划分。2.Dataset阅读源码后，我们可以指导，继承该方法必须.........

1.pytorch报错：loss_class = torch.nn.CrossEntropyLoss()s_data, s_label = data_source[0].to(DEVICE), data_source[1].to(DEVICE)class_output, domain_output = model(input_data=s_data.float(), alpha=alph...

1. 最近在学习pytorch过程中遇到了几个问题，不理解为什么在训练和测试函数中model.eval()，和model.train()的区别，经查阅后做如下整理一般情况下，我们训练过程如下：拿到数据后进行训练，在训练过程中，使用model.train(）：告诉我们的网络，这个阶段是用来训练的，可以更新参数。训练完成后进行预测，在预测过程中，使用model.eval() ...