王博（Kings）的博客

我不喜欢讲解，就喜欢直观，所以就看例子就行！torch.zeros(2,3,4)#输出：tensor([[[0., 0., 0., 0.], [0., 0., 0., 0.], [0., 0., 0., 0.]], [[0., 0., 0., 0.], [0., 0., 0., 0.], [0., 0., 0., 0.]]])view是自动计算匹配的！import torcha = torc.

torch.manual_seed(1)是为了设置CPU的的随机数固定，使得紧跟着的rand（）函数生成的值是固定的随机！# 王博Kingsimport torchtorch.manual_seed(1)print(torch.rand(5))tensor([0.7576, 0.2793, 0.4031, 0.7347, 0.0293])# 王博Kingstorch.manual_seed(2)print(torch.rand(5))tensor([0.6147, 0.38

使用Pytorch训练模型，一定要注意一个细节有时候明明训练很好，测试时候出问题？这时候我们要找一下Model里是否有BN或者 Dropout层，如果存在了，那就要小心了！！！测试之前加入下面这句话！！！！# 注意为了排除BN和Dropout对测试影响model = model.eval()BN解释看这段话：对于BN，训练时通常采用mini-batch，所以每一批中的mean和std大致是相同的；而测试阶段往往是单个图像的输入，不存在mini-batch的概念。所以将model改

王博Kings笔记总结