qimo601的专栏

一、介绍在深度学习领域，模型训练是一个必须的过程，因此常常需要实时监听并可视化一些数据，如损失值loss，正确率acc等。在Tensorflow中，最常使用的工具非Tensorboard莫属；在Pytorch中，也有类似的TensorboardX，但据说其在张量数据加载的效率方面不如visdom。visdom是FaceBook开发的一款可视化工具，其实质是一款在网页端的web服务器，对Pytorch的支持较好。Visdom中有两个重要概念：env：环境。不同环境的可视化结果相互隔离，互不影响，在

pytorch中model.train()，model.eval() 和 torch.no_grad()的区别

描述sorted() 函数对所有可迭代的对象进行排序操作。sort 与 sorted 区别：sort 是应用在 list 上的方法，sorted 可以对所有可迭代的对象进行排序操作。list 的 sort 方法返回的是对已经存在的列表进行操作，而内建函数 sorted 方法返回的是一个新的 list，而不是在原来的基础上进行的操作。示例：>>>sorted([5,2,3,1,4])[1,2,3,4,5]>>>a=[5...

一、__init__.py在Python工程里，当python检测到一个目录下存在__init__.py文件时，python就会把它当成一个模块(module)。Module跟C＋＋的命名空间和Java的Package的概念很像，都是为了科学地组织化工程，管理命名空间。__init__.py可以是一个空文件，也可以有非常丰富的内容。本文将举一个非常简单的例子，来介绍__init__.py的用法；在本文的最后，我将会再简单介绍__init__.py的设计理念。1、一个普通的四则运算模块在不利用

1、基础知识:与numpy中的基本操作相似， pytorch 的作用是引入GPU加快运算， 增加图形界面， 适合大数据运算， 尤其是deep learning gradient 梯度类似于求导， 找到梯度下降的最佳路径。 tensor 除了可以进行线性代数运算， 还可以求梯度 tensor在pytorch里面是一个n维数组。我们可以通过指定参数reuqires_grad=True来建立一个反向传播图，从而能够计算梯度。在pytorch中一般叫做dynamic computation g...

PyTorch默认使用从0开始的GPU，如果GPU0正在运行程序，需要指定其他GPU。有如下两种方法来指定需要使用的GPU。1. 类似tensorflow指定GPU的方式，使用CUDA_VISIBLE_DEVICES。1.1 直接终端中设定：CUDA_VISIBLE_DEVICES=1 python my_script.py1.2 python代码中设定：import osos.environ["CUDA_VISIBLE_DEVICES"] = "2"见网址：（原）

TORCHVISION官网地址：torchvision — Torchvision 0.12 documentation计算机视觉是深度学习中最重要的一类应用，为了方便研究者使用，PyTorch团队专门开发了一个视觉工具包torchvion，这个包独立于PyTorch，需通过pip instal torchvision安装。在之前的例子中我们已经见识到了它的部分功能，这里再做一个系统性的介绍。torchvision它是一个视觉工具包，提供了很多视觉图像处理的工具，主要包含三部分：datasets..

1、TORCH.UTILS.DATA官网地址：torch.utils.data — PyTorch 1.11.0 documentation在PyTorch中，数据加载可通过自定义的数据集对象。数据集对象被抽象为Dataset类，实现自定义的数据集需要继承Dataset，并实现两个Python魔法方法：__getitem__：返回一条数据，或一个样本。obj[index]等价于obj.__getitem__(index) __len__：返回样本的数量。len(obj)等价于obj.__len..

filter用法

lambda用法

优化器：torch.optim

总结2-深度学习网络搭建学习

C++调用python，传递图像数组。

【小记】下采样和池化的区别：关于池化的神解释 深度学习VGG模型核心拆解，AlexNet和VGGNet，看到这，让我不由得先去看看CNN网络。 CNN（卷积神经网络）入门

错误1：Error during installation process(qt.tools.qtcreator):Error while extracting archive "installer://qt.tools.qtcreator/4.15.0-0qtcreator.7z":cannot open file "C:\Qt5.12.11\Tools\QtCreator\bin\d3dcompiler_47.dll"for writing:拒绝访问。错误2：Error during...

链接：https://cnzhx.net/bbs/index.php?topic=709.msg1540模板已经复制到style文件夹中，但是提示“本文档中指定的输出样式ZZ_MODIFIED_GEEBINF 在样式文件夹中不可用” 请问是什么原因？怎么解决？答案：这似乎是 EndNote 9 和 Windows 10 之间的一个小问题。可以试试下面的解决方法，1）关闭 Office；2）双击下载的 ZZ_MODIFIED_GEEBINF.ens，让默认的 EndNote 样式编辑器打开它，然后

参考网址：https://www.zhihu.com/question/36686900/answer/130890492https://www.cnblogs.com/skyfsm/p/6790245.html池化层夹在连续的卷积层中间， 用于压缩数据和参数的量，减小过拟合。简而言之，如果输入是图像的话，那么池化层的最主要作用就是压缩图像。下采样层也叫池化层，其具体操作与卷积层的操作基本相同，只不过下采样的卷积核为只取对应位置的最大值、平均值等（最大池化、平均池化），即矩阵之间的运算规律

本文内容转自https://www.cnblogs.com/zf-blog/p/6075286.html和https://www.cnblogs.com/rgvb178/p/6055213.html整理如下：(1)卷积层：用它来进行特征提取，如下：输入图像是32*32*3，3是它的深度（即R、G、B），卷积层是一个5*5*3的filter(感受野)，这里注意：感受野的深度必须和输入图像的深度相同。通过一个filter与输入图像的卷积可以得到一个28*28*1的特征图，上图是用了两个filte

全连接层：全连接层一般会放在网络的最后，作用是用来综合所有信息。对于cnn它提取特征的范围是全图的，直接把图像降维成一堆序列。卷积层是一种局部连接，它所能提取的特征的范围，取决于卷积核的感受野，当卷积核感受野覆盖到全图的时候，它的作用就和全连接层类似了。(所以用和特征图尺寸一样大小的卷积核做卷积，提取全图范围特征，和接全连接层，计算过程是等效的，输入输出，参数量完全一样)全连接之所以失宠:有人说是参数量大的原因。其实如果特征图压缩的足够小再做全连接，参数量和计算量也是不算大...

初学Python在看程序时发现python中if-else的多种写法，故对其进行分析。以下为网络内容：a,b,c=1,2,31.常规ifa>b:c=aelse:c=b2.表达式c=aifa>belseb3.二维列表c=[b,a][a>b]4.传说是源自某个黑客c=(a>band[a]or[b])[0]个人分析：1、2为程序的基本语法不讨论3：首...