pytorch
深度学习扛把子
这个作者很懒,什么都没留下…
展开
-
python将list的元素合成为str
python将list的元素合成为str原创 2023-03-07 16:09:35 · 237 阅读 · 0 评论 -
rknn部署hrnet
rknn量化原创 2023-02-06 16:24:44 · 179 阅读 · 0 评论 -
基于paddleDetection的行为识别
人体检测原创 2023-02-06 10:54:39 · 922 阅读 · 0 评论 -
hrnet量化rknn格式
hrnet量化原创 2023-02-06 10:08:06 · 265 阅读 · 0 评论 -
mmaction2基于骨架点的行为识别demo_skeleton代码详解
mmaction2基于骨架点的行为识别demo_skeleton代码详解原创 2023-01-18 09:39:30 · 796 阅读 · 3 评论 -
如何修改已有的onnx模型
如何修改已有的onnx模型原创 2023-01-18 09:04:47 · 1027 阅读 · 0 评论 -
记录mmaction2模型转onnx
记录mmaction2模型转onnx原创 2023-01-17 13:48:09 · 551 阅读 · 1 评论 -
slowfast复现
行为识别原创 2023-01-06 16:39:48 · 538 阅读 · 0 评论 -
pytorch数组转tensor格式
pytorch数组转tensor格式原创 2022-12-23 16:10:46 · 295 阅读 · 0 评论 -
模型量化看这一篇就够了
模型量化原创 2022-12-09 16:25:28 · 574 阅读 · 0 评论 -
pytorch 【Normalize归一化】
pytorch Normalize原创 2022-12-02 16:28:24 · 714 阅读 · 0 评论 -
【pytorch加载模型错误】Unexpected key(s) in state_dict: “epoch“, “arch“, “state_dict“, “optimizer“, “args“
Unexpected key(s) in state_dict原创 2022-11-30 13:59:47 · 1748 阅读 · 1 评论 -
NativeScaler()与loss_scaler【loss.backward()和 optimizer.step()】
NativeScaler()与loss_scaler【loss.backward()和 optimizer.step()】原创 2022-11-19 21:34:10 · 849 阅读 · 0 评论 -
pytorch【GradScaler】优化速度
pytorch【GradScaler】优化速度原创 2022-11-15 16:48:09 · 805 阅读 · 0 评论 -
pytorch中的学习率与优化器【lr_scheduler与optimizer】
pytorch中的学习率与优化器【lr_scheduler与optimizer】原创 2022-11-15 16:03:46 · 490 阅读 · 0 评论 -
pytorch中的【分布式采样器distributedsampler】
pytorch中的【分布式采样器distributedsampler】原创 2022-11-10 16:12:06 · 959 阅读 · 0 评论 -
pytorch【nn.Module】中forward的理解
pytorch【nn.Module】中forward的理解原创 2022-11-08 17:30:20 · 1870 阅读 · 0 评论 -
【torchvision.datasets.ImageFolder类的使用】
torchvision.datasets.ImageFolder类的使用原创 2022-11-03 15:01:22 · 502 阅读 · 0 评论 -
cannot import name ‘PY3‘ from ‘torch._six‘解决方法
torch torchvision原创 2022-08-22 10:17:37 · 797 阅读 · 0 评论 -
pytorch模型量化
pytorch模型量化原创 2022-07-18 09:34:40 · 993 阅读 · 0 评论 -
pytorch训练自己的图片数据集
from __future__ import print_function, divisionimport torchimport torch.nn as nnimport torch.optim as optimfrom torch.optim import lr_schedulerfrom PIL import Imageimport pandas as pdimport osfrom torchvision import models, transforms# from logge原创 2022-04-19 20:04:24 · 2123 阅读 · 0 评论 -
AttributeError: module ‘torch.onnx‘ has no attribute ‘set_training‘
1.在PyTorch 1.6版本中set_training变成了select_model_mode_for_export,改一下。2.降低版本pip install torch1.5.1 torchvision0.6.1 -i https://pypi.tuna.tsinghua.edu.cn/simple原创 2021-12-07 17:22:54 · 595 阅读 · 0 评论 -
pytorch实现对抗网络手写数字
import osimport cv2import torchimport torchvisionimport numpy as npimport torch.nn as nnimport torch.optim as optimimport torch.nn.functional as Ffrom torchvision import datasets# from keras.datasets import mnistfrom torchvision.utils import sav.转载 2021-06-05 21:12:11 · 295 阅读 · 0 评论 -
LSTM代码
import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport torchfrom sklearn import metricsfrom sklearn.model_selection import train_test_splitfrom torch import nnfrom torch.autograd import Variablefrom torch.utils.data import Tens.原创 2021-04-16 13:50:46 · 2058 阅读 · 0 评论 -
LSTM pytorch
import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport torchfrom sklearn.model_selection import train_test_splitfrom torch import nnfrom torch.autograd import Variablefrom torch.utils.data import TensorDatasetfrom sklearn.metri.原创 2021-04-15 17:29:52 · 234 阅读 · 0 评论 -
pytorch kernel_size=(1,3)[flag]
kernel_size=(1,3)[flag]if flag==True:kernel_size=3else: kernel_size=1原创 2021-03-09 10:12:48 · 1876 阅读 · 0 评论 -
Pytorch 计算误判率,计算准确率,计算召回率
下面就说说怎么计算准确率以及误判率、召回率等指标1.计算正确率获取每批次的预判正确个数train_correct = (pred == batch_y.squeeze(1)).sum()该语句的意思是 预测的标签与实际标签相等的总数获取训练集总的预判正确个数train_acc += train_correct.data[0] #用来计算正确率准确率 : train_acc / (len(train_data))2.误判率举例:当你是二分类时,你需要计算 原标签...转载 2021-03-08 17:24:23 · 6249 阅读 · 0 评论 -
torch.eq(input, other, out=None)
比较元素是否相等,相同为true,不同为falsetorch.sum()对输入的tensor数据的某一维度求和torch.item()获取tensor里面的元素值原创 2021-03-08 15:11:52 · 195 阅读 · 0 评论 -
pytorch统计模型精度
import torchfrom torch import optim, nnfrom torch.utils.data import DataLoaderfrom torchvision import datasetsfrom transform import preprocess# from model import initital_model,class_id2namefrom models.resnet import *TRAIN = '/media/dell/Elements.原创 2021-03-08 14:46:17 · 668 阅读 · 0 评论 -
pytorch冻结模型
当您想要冻结部分模型时,或者您事先知道不会使用某些参数的梯度。例如,如果要对预先训练的CNN进行优化,只要切换冻结模型中的requires_grad标志就足够了,直到计算到最后一层才会保存中间缓冲区,其中的仿射变换(卷级操作等)将使用需要梯度的权重并且网络的输出也将需要它们。import torchvisionimport torch.nn as nnfrom torch import optimmodel = torchvision.models.resnet18(pretrained原创 2021-03-08 10:04:21 · 2362 阅读 · 0 评论 -
pytorch自动求导数机制
如果有一个单一的输入操作需要梯度,它的输出也需要梯度。相反,只有所有输入都不需要梯度,输出才不需要。如果其中所有的变量都不需要梯度进行,反向传播计算不会在子图中执行。import torchfrom torch.autograd import Variablex= Variable(torch.randn(5,5))y= Variable(torch.randn(5,5))z= Variable(torch.randn(5,5),requires_grad=True)a=x + y原创 2021-03-08 09:40:20 · 96 阅读 · 0 评论 -
resent代码详解
resnet中最中重要的就是代码残存块,def forward(self,x) identity = x out = self.conv1(x) out = self.bn1(out) out = self.relu(out) out = self.conv2(out) out = self.bn2(out) if self.downsample is not None: identity = self.dow原创 2021-03-03 15:15:07 · 1349 阅读 · 1 评论 -
pytorch数据集
import torchimport torchvisionimport torchvision.transforms as transforms#torchvision 数据集的输出是范围在[0,1]之间的 PILImage,我们将他们转换成归一化范围为[-1,1]之间的张量 Tensors。transform = transforms.Compose( [transforms.ToTensor(), transforms.Normalize((0.5,0.5,0.5),(0..原创 2021-03-06 15:38:46 · 139 阅读 · 0 评论 -
更新神经网络参数
更新神经网络参数:最简单的更新规则就是随机梯度下降。weight=weight-learning_rate*gradientimport torchimport torch.nn as nnimport torch.nn.functional as Fimport torch.optim as optimclass Net(nn.Module): def __init__(self): super(Net, self).__init__()...原创 2021-03-06 14:14:44 · 467 阅读 · 0 评论 -
pytorch损失函数
一个损失函数需要一对输入:模型输出和目标,然后计算一个值来评估输出距离目标有多远。loss = criterion(output, target)有一些不同的损失函数在 nn 包中。一个简单的损失函数就是nn.MSELoss ,这计算了均方误差。criterion = nn.MSELoss()import torchimport torch.nn as nnimport torch.nn.functional as Fclass Net(nn.Module): def .原创 2021-03-05 17:25:38 · 847 阅读 · 1 评论 -
pytorch view()函数
a=torch.Tensor([[[1,2,3],[4,5,6]]]) b=torch.Tensor([1,2,3,4,5,6]) print(a.view(1,6)) print(b.view(1,6))得到的结果都是tensor([[1., 2., 3., 4., 5., 6.]])再看一个例子: a=torch.Tensor([[[1,2,3],[4,5,6]]]) print(a.view(3,2))将会得到: tensor(...原创 2021-03-05 16:54:59 · 115 阅读 · 0 评论 -
pytorch定义一个简单的网络
import torchimport torch.nn as nnimport torch.nn.functional as Fclass Net(nn.Module): def __init__(self): super(Net,self).__init__() self.conv1 = nn.Conv2d(1,6,5) self.conv2 = nn.Conv2d(6,16,5) self.fc1 = nn.Linear.原创 2021-03-05 16:49:42 · 390 阅读 · 0 评论