![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
Pytorch初学
文章平均质量分 54
记录Pytorch学习过程
coding-piggy
不积跬步,无以至千里。
展开
-
Jupyter Notebook报错: error: unrecognized arguments: -f
错误描述在本地是这样写的:args = parser.parse_args()上传到Jupyter Notebook后,错误信息为:main.py: error: unrecognized arguments: -f /home/ec2-user/.local/share/jupyter/runtime/kernel-fd53c949-7a00-4de7-9f82-b41f6227c86f.jsonAn exception has occurred, use %tb to see the ful转载 2021-09-13 11:07:09 · 2906 阅读 · 2 评论 -
pytorch自定义dataset:name ‘Optional‘ is not defined
错误描述pytorch在自定义dataset CELEBA类的时候,用到了以下表达:class CELEBA(DatasetFolder): def __init__( self, root: str, transform: Optional[Callable] = None, target_transform: Optional[Callable] = None, load原创 2021-09-13 10:55:13 · 3566 阅读 · 0 评论 -
pytorch存储/加载模型及多GPUs条件下的注意事项
一、存储/加载模型可以选择保存整体model网络结构和参数PATH = 'saved_model.pth'# 保存整个model:torch.save(model_0, PATH)# 加载整个model:model_1 = torch.load(PATH)or只保存model参数PATH = 'saved_model.pth'# 由于只加载参数,因此需要提前定义网络结构,例如:class Net(nn.Module):...# 只保存参数:torch.save(model_0.s原创 2021-07-08 10:34:34 · 200 阅读 · 0 评论 -
pytorch-resnet提取特征
1、利用resnet提取特征根据ResNet的网络结构,fc充当分类器的角色,那么特征就是fc前一层的输出(fc层的输入)作为分类器,fc的输入是512(这个由Resnet的层数决定,resnet18=512,resnet50=2048),fc的输出为nb-classes(由数据集决定):输出特征,就把输出也改为512,那么输出的就是大小为[batch-size, 512]的特征。for i, (images, target) in enumberate(train_loader): # ……原创 2021-07-01 11:31:55 · 9694 阅读 · 4 评论 -
linux配置pytorch环境(conda)
一、检查服务器环境//1. 查看系统版本:uname -a//2. 查看cuda版本:cat /usr/local/cuda/version.txt//3. 查看conda版本:conda -V我的环境:OS:Ubuntu 16.04CUDA:10.2.89conda:4.5.11二、conda常用指令//1. 查看所有虚拟环境列表:conda env list//2. 激活某个虚拟环境:source activate env_test1(环境名)//3. 查看当前虚拟环境原创 2021-05-21 13:21:49 · 1496 阅读 · 0 评论 -
Pytorch用dataloader自定义数据训练模型
总结Dataset可以遍历数据集,每次输出一组(feature,label)。dataloader相当于是dataset的接口,顺便可以Dataset做一些调整,比如shuffle、batchsize……因此,自定义dalaloader的关键是定义Dataset!一. 用到的库import numpy as npimport torchimport torch.nn as nnimport torch.nn.functional as Fimport torch.optim as optim原创 2021-05-25 12:20:35 · 694 阅读 · 0 评论