![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
pytorch
Shona-G
这个作者很懒,什么都没留下…
展开
-
关于torch.nn.Conv2d的笔记
关于torch.nn.Conv2d的笔记先看一下CLASS有哪些参数:torch.nn.Conv2d( in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros')可以对输入的张量进行 2D 卷积。in_channels: 输入图片的 .转载 2021-03-05 20:28:50 · 496 阅读 · 1 评论 -
torch.nn.conv2d与tf.nn.conv2d()不同
Torch.nn.Conv2d(in_channels,out_channels,kernel_size,stride=1,padding=0,dilation=1,groups=1,bias=True)in_channels:输入维度out_channels:输出维度kernel_size:卷积核大小stride:步长大小padding:补0dilation:kernel间距--------------------------------------------------转载 2021-03-04 16:08:37 · 1411 阅读 · 1 评论 -
激活函数
0. 前言本博客内容翻译自纽约大学数据科学中心在2020发布的《Deep Learning》课程的Activation Functions and Loss Functions部分.废话不多说,下面直接开始吧 ^ . ^1. 激活函数本内容将回顾一些重要的激活函数以及其在PyTorch中的实现,它们来自各种各样的论文,并在一些任务上有着优异的表现~ReLUtorch.nn.ReLU()ReLU的函数图示如下:RReLUtorch.nn.RReLU()ReLU有很多变种, RR..转载 2021-03-05 15:08:10 · 610 阅读 · 0 评论 -
np.linspace用法介绍
np.linspace主要用来创建等差数列。np.linspace参数:numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)Return evenly spaced numbers over a specified interval.(在start和stop之间返回均匀间隔的数据)Returns num evenly spaced samples, calculated ove转载 2021-03-05 14:41:18 · 10502 阅读 · 0 评论 -
pytorch 中的 forward 的使用与解释
最近在使用pytorch的时候,模型训练时,不需要使用forward,只要在实例化一个对象中传入对应的参数就可以自动调用 forward 函数即:class Module(nn.Module): def __init__(self): super(Module, self).__init__() # ...... def forward(self, x): # ...... return xdata =转载 2021-03-05 14:01:31 · 411 阅读 · 0 评论 -
torch.chunk()
torch.chunk(tensor, chunks, dim=0) 在给定维度(轴)上将输入张量进行分块儿 直接用上面的数据来举个例子: >>> l, m, n = x.chunk(3, 0) # 在 0 维上拆分成 3 份>>> l.size(), m.size(), n.size()(torch.Size([1, 10, 6]), torch.Size([1, 10, 6]), torch.Size([1, 10, 6]))>>&g转载 2021-03-04 18:12:32 · 9346 阅读 · 4 评论 -
Python中列表切片list[-1:]与list[:-1]误区
先来看了案例li = [0, 1, 2, 3, 4, 5, 6, 7, 8]print("li[-1:]: ", li[-1:])print("li[:-1]: ", li[:-1])print("li[0:2]: ", li[0:2])1234结果:li[-1:]: [8]li[:-1]: [0, 1, 2, 3, 4, 5, 6, 7]li[0:2]: [0, 1]解析: 在列表切片式中list[start, end], 返回的数据是索引为start到索引为end -转载 2021-03-04 18:08:54 · 950 阅读 · 1 评论 -
isinstance() 函数
isinstance() 函数来判断一个对象是否是一个已知的类型,类似 type()。isinstance() 与 type() 区别: type() 不会认为子类是一种父类类型,不考虑继承关系。 isinstance() 会认为子类是一种父类类型,考虑继承关系。 如果要判断两个类型是否相同推荐使用 isinstance()。语法以下是 isinstance() 方法的语法:isinstance(object, classinfo)参数object -.转载 2021-03-04 17:56:43 · 1405 阅读 · 1 评论 -
with torch.no_grad()或@torch.no_grad() 用法
requires_grad=True要求计算梯度 requires_grad=False不要求计算梯度 with torch.no_grad()或者@torch.no_grad()中的数据不需要计算梯度,也不会进行反向传播 model.eval() # 测试模式with torch.no_grad(): pass @torch.no_grad()def eval(): ... ...转载 2021-03-04 17:30:30 · 514 阅读 · 1 评论 -
pytorch中squeeze()和unsqueeze()函数介绍
squeeze的用法主要就是对数据的维度进行压缩或者解压。先看torch.squeeze() 这个函数主要对数据的维度进行压缩,去掉维数为1的的维度,比如是一行或者一列这种,一个一行三列(1,3)的数去掉第一个维数为一的维度之后就变成(3)行。squeeze(a)就是将a中所有为1的维度删掉。不为1的维度没有影响。a.squeeze(N) 就是去掉a中指定的维数为一的维度。还有一种形式就是b=torch.squeeze(a,N) a中去掉指定的定的维数为一的维度。再看torch.unsqueeze(转载 2021-03-04 17:14:44 · 226 阅读 · 1 评论 -
torch.from_numpy()
简单说一下,就是torch.from_numpy()方法把数组转换成张量,且二者共享内存,对张量进行修改比如重新赋值,那么原始数组也会相应发生改变。Example:>>> a = numpy.array([1, 2, 3])>>> t = torch.from_numpy(a)>>> ttensor([ 1, 2, 3])>>> t[0] = -1>>> aarray([-1, 2, 3]).转载 2021-03-04 16:51:00 · 399 阅读 · 1 评论 -
np.transpose
对于三维数组:先看一个例子。 >>> three=np.arange(18).reshape(2,3,3)>>> threearray([[[ 0, 1, 2], [ 3, 4, 5], [ 6, 7, 8]], [[ 9, 10, 11], [12, 13, 14], [15, 16, 17]]])>>> three.transpose()array转载 2021-03-04 16:42:19 · 78 阅读 · 1 评论