qq_37972486的博客

条件gan网络

torchnet package

**pytorch中index_select()的用法**a = torch.linspace(1, 12, steps=12).view(3, 4)print(a)b = torch.index_select(a, 0, torch.tensor([0, 2]))print(b)print(a.index_select(0, torch.tensor([0, 2])))c = torch.index_select(a, 1, torch.tensor([1, 3]))print(c)

'''ResNet-18 Image classfication for cifar-10 with PyTorch '''import torchimport torch.nn as nnimport torch.nn.functional as Fimport torchimport torch.nn as nnimport torch.optim as optimimport torchvisionimport torchvision.transforms as transfo

 假设在某个epoch，我们要保存模型参数，优化器参数以及epoch。1. 先建立一个字典，保存三个参数：if steps % 10000 == 0:            file_path = os.path.join(args.weight_dir, 'weights-{:07d}.pth.tar'.format(steps))            state =

1、简单的回归2、MNIST3、创建Tensor4、索引与切片5、维度变换 expand6、broadcasting7、合并与分割concat8、数学运算9、statistics10、tensor_advanced11、BatchNorm12、nn.Module()13、Visdom1.简单的回归import numpy as np# y = wx + bdef compute_error_for_line_given_points(b, w, points): t

一、unsqueeze()函数当unqueeze 函数中参数是为非负数数时 在对应的前边添加维度，a的shape 为(2,3例如在unqueeze(0)在0维之前添加一维shape变成（1，2，3）unsqueeze的插入方式如下squeeze 只有在维度位置的数维度维1的时候才会被压缩首先初始化一个a可以看出a的维度为（2，3）在第二维增加一个维度，使其维度变为（2，1，3）可以看出a的维度已经变为（2，1，3）了，同样如果需要在倒数第二个维度上增加一个维度，那么使用b.unsq

pytorch怎么使用定义好的模型的一部分

【Q&A】pytorch中的worker如何工作的 目录QuestionAnswer参考资料Question一直很迷，在给Dataloader设置worker数量（num_worker）时，到底设置多少合适？这个worker到底怎么工作的？如果将num_worker设为0（也是默认值），就没有worker了吗？worker的使用场景：from torch.utils.data import DataLoadertrain_loader = DataLoader(datase.

一、卷积操作：假设cnn中某一层：        输入特征图：H*H，        卷积核：k*k，        步长stride：s，         padding：p那么经过这层卷积之后特征图大小：（H-k+2*p）/  s + 1 二、Transposed convolution（逆卷积）.

RNN的类别：循环神经网络主要应用于序列数据的处理，因输入与输出数据之间有时间上的关联性，所以在常规神经网络的基础上，加上了时间维度上的关联性，也就是有了循环神经网络。因此对于循环神经网络而言，它能够记录很长时间的历史信息，即使在某一时刻有相同的输入，但由于历史信息不同，也会得到不同的输出，这也是循环神经网络相比于常规网络的不同之处。根据输入与输出之间的对应关系，可以将循环神经网络分为以下五大...

average.size

AE.py#!/usr/bin/env python# coding: utf-8# In[1]:import torchfrom torch import nnclass AE(nn.Module): def __init__(self): super(AE,self).__init__() #[b,78...

# coding: utf-8# In[3]:VAE.pyimport torchfrom torch import nnclass VAE(nn.Module): def __init__(self): super (VAE,self).__init__() # [b, 784] => [b, ...

import torchfrom torch import nn,optim,autogradimport numpy as npimport visdomfrom torch.nn import functional as Ffrom matplotlib import pyplot as pltimport randomh_dim =400batchsz=512v...

detach

KL Divergence KL散度

参考网易云课堂 pytroch学习#view reshape# lost dim information import torcha=torch.rand(4,1,28,28)print(a.shape)# torch.Size([4, 1, 28, 28])print(a.view(4,28*28).shape)# torch.Size([4, 784])print(a.vie...

参考网易云课堂的pytorch 学习#indexing dim 0 first import torcha=torch.rand(4,3,28,28)a[0].shape#第0张的图片的c h w#torch.Size([3, 28, 28])a[0,0].shape #第0张图片的 0通道的 h,wa[0,0,2,4]#第0张图片的 0通道 的第[2,4]的像素值a[:2,:1,...

pytorch 常用函数参考：网易云课堂pytorch 学习#创建tensor import from numpyimport numpy as npimport torcha=np.array([2,3.3])torch.from_numpy(a) # out:tensor([2.0000, 3.3000], dtype=torch.float64)a=np.ones([2,3]...

`参考网易云课堂 ：pytorch课程``#type checkimport torcha=torch.randn(2,3)a.type()#torch的默认数据类型是torch.FloatTensor torch.FloatTensortype(a)#torch.Tensorisinstance(a,torch.FloatTensor)#是不是torch.FloatTensor的实...

Pytorch scatter_ 理解轴的含义pytorch one_hot编码def one_hot(label, depth=10): out = torch.zeros(label.size(0), depth) idx = torch.LongTensor(label).view(-1, 1) out.scatter_(dim=1, index=idx, val...

pytorch求范数函数——torch.norm

torch代码解析 为什么要使用optimizer.zero_grad()

#torchvision.transforms.ToTensor对于一个图片img，调用ToTensor转化成张量的形式，发生的不是将图片的RGB三维信道矩阵变成tensor图片在内存中以bytes的形式存储，转化过程的步骤是：img.tobytes() 将图片转化成内存中的存储格式torch.BytesStorage.frombuffer(img.tobytes() ) 将字节以流的...

转载：nn.Sequential讲解