pytorch
LearnerzzZ
这个作者很懒,什么都没留下…
展开
-
【Pytorch报错解决】:“ValueError: too many values to unpack”
【错误】:【原因】:期望初始化的变量数目比实际返回的变量数目多【解决】:原创 2021-12-18 09:57:04 · 2009 阅读 · 0 评论 -
【动手学深度学习】之非极大值抑制(NMS)代码实现
import torchfrom d2l import torch as d2l# 更改打印设置torch.set_printoptions(2)def show_bboxes(axes, bboxes, labels=None, colors=None): """显⽰所有边界框""" def _make_list(obj, default_values=None): if obj is None: obj = default_val.原创 2021-12-14 20:53:21 · 3007 阅读 · 0 评论 -
【动手学深度学习】之锚框生成函数代码实现
【代码】:import torchfrom d2l import torch as d2l# 更改打印设置torch.set_printoptions(2)def multibox_prior(data, sizes, ratios): """生成以每个像素为中心具有不同形状的锚框。""" # 图片的高和宽 in_height, in_width = data.shape[-2:] # 查看操作设备(CPU/GPU),与锚框的参数 device, n原创 2021-12-12 10:46:44 · 3315 阅读 · 0 评论 -
【Pytorch错误解决】:RuntimeError: output with shape [1, 100, 100] doesn‘t match the broadcast shape ……
【错误】:【原因】:通道数不符合,需要传入RGB图而不是灰度图。【解决】:更换图片(使用RGB三通道图片)原创 2021-11-27 17:32:22 · 3428 阅读 · 1 评论 -
【错误解决】之“OperationalError: (sqlite3.OperationalError) table ** has no column named **”
【错误】【解决】我是在修改数据库的时候出现的问题,在实例化确定没有问题情况下反复测试还是报错,最后找到问题在于数据库的创建。# 创建数据库和表db.drop_all()db.create_all()#数据库和表一旦创建后,之后对模型的改动不会自动作用到实际的表中。#如果要使改动生效,就要先调用db.drop_all()方法删除数据库和表,然后再调用db.create_all()方法创建在db.create_all()前加一个db.drop_all(),先删除原来已有的,然后在重原创 2021-04-22 19:46:18 · 2801 阅读 · 2 评论 -
如何查看Pytorch版本
1.打开命令行cmd:2.输入【python】:3.输入【import torch】:4.输入【print(torch.__version__)】原创 2021-04-18 11:49:51 · 8911 阅读 · 3 评论 -
《Deep-Learning-with-PyTorch》学习笔记Chapter15 Deployment(四)
(自学《Deep-Learning-with-PyTorch》使用,仅供参考)【Interacting with the PyTorch JIT】【What to expect from moving beyond classic Python/PyTorch】Python的运行比起C和C++等语言会稍慢一些,但是我们在Pytorch中使用的张量操作本身足够大,因此Python的慢速问题几乎可以忽略不计。从经典的Pytorch方法(先执行一个操作,然后再查看下一个操作)转变一下,Pytorc原创 2021-04-17 20:25:13 · 158 阅读 · 0 评论 -
《Deep-Learning-with-PyTorch》学习笔记Chapter15 Deployment(二)
(自学《Deep-Learning-with-PyTorch》使用,仅供参考)【Request batching】请求批处理本书中的异步编程主要做的是允许函数非阻塞地等待计算结果或者事件。为了进行请求批处理,我们需要将请求处理从运行模型中分离出来(解耦)。上图显示了数据流,顶部三个是发出请求的客户端(CLIENT),右边三个箭头表示它们一个接一个通过请求处理器(REQUEST PROCESSOR)的上半部分,与工作项(WORK ITEM)一起进入队列,而当一个完整的批处理(WORK原创 2021-04-14 20:56:05 · 136 阅读 · 0 评论 -
《Deep-Learning-with-PyTorch》学习笔记Chapter15 Deployment(一)
(自学《Deep-Learning-with-PyTorch》使用,仅供参考)1.对于部署模型,本书中主要使用了两个轻量级Python web框架:Flask(http://flask.pocoo.org)和Sanic(https://sanicframework.org)。Flask是最流行的框架,而Sanic和Flask本质上相同,但比Flask多了一个对Python中async/await的异步操作,提高了效率。2.对于Pytorch模型,ONNX(开放神经网络交换)格式可以导出模型的标准原创 2021-04-14 20:17:39 · 134 阅读 · 0 评论