以下常见的用法都是在其他博主那学来的,为了方便以后的查阅,现做一个整理。
1.torch.cat (有关tensor的一些处理)
在深度神经网络的设计中,常常需要进行多尺度的特征融合,这时就会涉及到通道的连接,这时就会用到torch.cat
具体参考:
https://blog.csdn.net/qq_39709535/article/details/80803003
https://www.jianshu.com/p/4e57dbe1d281
2.pytorch上下采样函数-interpolate
链接:https://blog.csdn.net/zhaowangbo/article/details/89917884
3.pytorch反卷积操作详解
链接:https://www.jianshu.com/p/01577e86e506
4.Linux系统查看和添加环境变量
链接:https://blog.csdn.net/cym_anhui/article/details/80781539
5.pytorch 保证模型的可重复性
换言之:pytorch代码中加入以下代码的作用。
torch.backends.cudnn.deterministic = True
链接:https://www.cnblogs.com/yongjieShi/p/9614905.html
6.torch.backends.cudnn.benchmark = True 在什么情况下使用?
如果输入模型的所有input-size大小都相同,则使用上述语句可以达到加速训练的效果。如果输入模型的input-size大小不一样,使用上述语句会使得训练效率变低。
7.Pytorch Tensor维度变换
对tenor增加或减少维度,维度变换等操作
https://blog.csdn.net/weicao1990/article/details/93618136
(所以在将数据送入模型前,都会对数据进行处理,使input-size大小相同)
暂时先写那么多,后面再更新。。。