笔记地址:https://pytorch.zhangxiann.com/
7.1 模型保存与加载 - PyTorch 学习笔记 (zhangxiann.com)
代码
配套代码:https://github.com/zhangxiann/PyTorch_Practice
所有代码均在 PyCharm 中通过测试,建议通过 git 克隆到本地运行。
数据
由于代码中会用到一些第三方的数据集,这里给出百度云的下载地址(如果有其他更好的数据托管方式,欢迎告诉我)。
数据下载地址: 链接:https://pan.baidu.com/s/1f9wQM7gvkMVx2x5z6xC9KQ 提取码:w7xt
面向读者
torch.randint(high=5, size=(1, 1, 4, 4), dtype=torch.float)
生成了一个形状为 (1, 1, 4, 4) 的随机整数张量。它的元素值介于 0 到 5 之间。
nn.MaxPool2d
的第三个参数 return_indices=True
表示返回池化操作中选取的最大值的索引。这样,除了得到经过最大池化后的图像张量 img_pool
,还会返回一个保存了最大值索引的张量 indices
。
maxpool_layer
的其他参数与前面的示例相同,池化窗口大小为 2x2,并且水平和垂直方向上的步幅都为 2。
本教程假定读你有一定的机器学习和深度学习基础。
如果你没有学习过机器学习或者深度学习,建议先观看 Andrew ng 的深度学习(Deep Learning)课程,课程地址: https://mooc.study.163.com/university/deeplearning_ai#/c。
然后再学习本教程,效果会更佳。
学习计划
这个学习笔记共 25 章,分为 8 周进行的,每周大概 3 章(当然你可以根据自己的进度调整),每章花费的时间约 30 分钟到 2 个小时之间。