关于pytorch的一些常见用法总结

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。。。