pytorch
文章平均质量分 62
小夭。
这个作者很懒,什么都没留下…
展开
-
pytorch基础学习-tensorboardX
最近训练总是出问题,听取建议,在。原创 2023-05-25 14:42:49 · 2152 阅读 · 0 评论 -
pytorch基础学习-torchsummary计算参数量
torchsummary使用原创 2023-02-27 20:59:57 · 1898 阅读 · 0 评论 -
Checkerboard Context Model for Efficient Learned Image Compression文献复现(非官方,改动较大)
棋盘格上下文文献复现原创 2022-10-19 14:41:40 · 1391 阅读 · 7 评论 -
Learned Image Compression with Discretized Gaussian Mixture Likelihoods and Attention Modules文献复现
Learned Image Compression with Discretized Gaussian Mixture Likelihoods andAttention Modules文献复现原创 2022-10-17 20:04:29 · 1259 阅读 · 5 评论 -
Joint Autoregressive and Hierarchical Priors for Learned Image Compression文献复现
文献名称:Joint Autoregressive and Hierarchical Priors for Learned Image Compression本文基于CompressAI的库进行复现github地址:compressAI关于compressAI相关博客说明:CompressAI:基于pytorch的图像压缩框架使用我这里在做好compressAI所需前置工作后,把我需要的几个文件单独移入了自己的工程因为这篇文献其实是可以直接调用相关命令对实验进行复现,所以主要把相关命令输入,按照步骤原创 2022-07-14 16:07:23 · 2296 阅读 · 21 评论 -
CompressAI:基于pytorch的图像压缩框架使用
CompressAI: a PyTorch library and evaluation platform forend-to-end compression research,我的理解是一个基于图像(视频)压缩的API库。他是建立在 PyTorch 之上的,用于基于深度学习的数据压缩的自定义操作、层和模型,其中包括了基于tensorflow.compression压缩包的部分移植,还包括包括一些用于压缩任务的预训练模型。其中可以直接用到的模型来自以下几篇文献:同时提供了与原作者实验对比的测试数据的性能原创 2022-07-12 16:35:55 · 6707 阅读 · 20 评论 -
VARIABLE RATE IMAGE COMPRESSION WITH RECURRENT NEURAL NETWORKS代码复现
首先上github地址github地址这里依旧记录一下复现过程中遇到的问题1、安装pytorch环境这一步先跳过了,可以参考之前的文章安装pytorch环境,如果在服务器安装记得选择linux环境2、安装缺少的包pip install pyyamlpip install tb-nightlypip install colored3、训练使用绝对路径github中给出的训练命令是但实际过程中我调试出现了路径不存在的问题,我将其改为了绝对路径......原创 2022-05-09 16:29:15 · 1121 阅读 · 1 评论 -
anaconda安装open cv
一、安装(1)打开Anaconda中的 Anaconda Prompt输入命令如果这里需要切换环境进行安装记得手动activate一下我这里是用的anaconda安装的opencvconda install -c https://conda.anaconda.org/menpo opencv当然也可以直接使用pip进行安装pip install opencv-python二、测试还是在Anaconda中的 Anaconda Prompt输入命令输入python然后输入imp原创 2021-11-27 14:49:08 · 4667 阅读 · 0 评论 -
《动手学深度学习》 pytorch版-Tensor和NumPy相互转换
1、Tensor和NumPy相互转换# Tensor和NumPy相互转换# 我们很容易用numpy()和from_numpy()将Tensor和NumPy中的数组相互转换。# 但是需要注意的一点是: 这两个函数所产生的的Tensor和NumPy中的数组共享相同的内存(所以他们之间的转换很快),# 改变其中一个时另一个也会改变!!!import torch''' Tensor转NumPy 使用numpy()将Tensor转换成NumPy数组'''a = torch.ones(5)原创 2021-11-11 15:21:18 · 1905 阅读 · 0 评论 -
《动手学深度学习》 pytorch版-运算的内存开销
# 运算的内存开销# 索引操作是不会开辟新内存的,# 而像y = x + y这样的运算是会新开内存的,然后将y指向新内存。# 为了演示这一点,我们可以使用Python自带的id函数:如果两个实例的ID一致,# 那么它们所对应的内存地址相同;反之则不同。import torchx = torch.tensor([1, 2])y = torch.tensor([3, 4])id_before = id(y)y = y + xprint(id(y) == id_before, 'y =原创 2021-11-11 15:08:32 · 1060 阅读 · 0 评论 -
《动手学深度学习》 pytorch版-广播机制
# 广播机制# 当对两个形状不同的Tensor按元素运算时,# 可能会触发广播(broadcasting)机制:先适当复制元素使这两个Tensor形状相同后再按元素运算import torchx = torch.arange(1, 3).view(1, 2)print(x, 'x')y = torch.arange(1, 4).view(3, 1)print(y, 'y')print(x + y, 'x+y')这里相当于...原创 2021-11-11 14:47:25 · 1182 阅读 · 0 评论 -
《动手学深度学习》 pytorch版-数据操作
1、算术操作(加法为例)import torch''' 算术操作(加法)'''# 算术操作# 在PyTorch中,同一种操作可能有很多种形式,下面用加法作为例子。x = torch.empty(5, 3)x = x.new_ones(5, 3, dtype=torch.float64) # 返回的tensor默认具有相同的torch.dtype和torch.deviceprint(x, '自定义数据类型')# 加法形式一y = torch.rand(5, 3)print(x原创 2021-11-11 14:23:44 · 714 阅读 · 0 评论 -
《动手学深度学习》 pytorch版-创建Tensor操作
这里简单记录学习《动手学深度学习》 pytorch版的一些学习过程1、创建Tensor操作# Tensor的最基本功能,即Tensor的创建import torch# 创建一个5x3的未初始化的Tensorx = torch.empty(5, 3)print(x, '5x3的未初始化的Tensor')# 创建一个5x3的随机初始化的Tensorx1 = torch.rand(5, 3)print(x1, '5x3的随机初始化的Tensor')# 创建一个5x3的long型全0的Te原创 2021-11-09 20:48:53 · 384 阅读 · 0 评论 -
pytorch基础学习-anaconda方式安装pytorch-gpu版本
前言这里先引入pytorch-cpu版本的安装方法anaconda方式安装pytorch-cpu,另外关于一些cpu、gpu、ccdn、cuda的理解也参见我上一篇博客1、2点tensorflow基础学习-anaconda方式安装tensorflow(gpu-1.15.0版本1、创建虚拟环境打开Anaconda中的 Anaconda Promptconda create --name PTGPUPY37 python=3.72、激活虚拟环境输入命令行activate PTGPUPY37原创 2021-11-01 19:39:33 · 606 阅读 · 0 评论 -
pytorch基础学习-anaconda的方式安装pytorch教程
网上很多基于anaconda图形化界面创建新环境的教程,这里我不再多赘述了,下面更新一下我的安装过程。明天更新原创 2021-10-20 21:01:02 · 313 阅读 · 0 评论