- 博客(14)
- 收藏
- 关注
转载 远程服务器之Tensorboard的本地可视化法
Xshell远程服务器后Tensorboard的本地可视化方法利用Xshell隧道利用Xshell隧道首先 隧道 在Xshell > 文件 > 属性 > 连接 > SSH > 隧道点添加 , 之后 源主机和目标主机 都是 localhost不变,不要自作聪明去给改成本机IP和服务器地址了。然后就是一个小技巧了,网上的方法多用本机的16006端口。但其实完全没有必要这样做。直接将侦听端口 和 目标端口 都设置成6006(tensorboard的访问地址) 即可。在服
2022-03-10 13:42:49
406
1
原创 使用GPU训练模型
方法一在模型、损失函数和数据中使用cudamodel1 = model()if torch.cuda.is_available(): model1 = model1.cuda()bloss = nn.CrossEntropyLoss()if torch.cuda.is_available(): bloss = bloss.cuda()for data in train_dataloader: imgs, targets = data if to
2022-01-27 23:19:28
2112
原创 完整的模型训练讨论
模型训练套路——以cifar10为例1.加载数据集dataset_transform_compose = transforms.Compose([transforms.ToTensor()])train_set = torchvision.datasets.CIFAR10(root="./dataset", train=True, transform=dataset_transform_compose, download=True)test_set = torchvision.datasets.C
2022-01-27 22:56:12
416
转载 按照文件名批量复制文件
第一步:把excel里的文件名复制到txt里,文件名要全,带上后缀,如:1.shp,每个文件名一行,命名为2017.txt第二步:原始文件夹为shpfile,路径为E:\project\step1\shpfile第三步:要复制到的文件夹为2017_2,路径为E:\project\step1\2017_2第四步:新建一个txt,复制以下代码,另存为copy.bat,双击运行即可实现按照文件名批量复制@echo offfor /f "tokens=*" %%a in (e:\project\s
2022-01-26 13:41:22
3600
1
原创 Pytorch——模型的保存与加载
1. 方法一(保存模型及参数)vgg16_false = torchvision.models.vgg16(pretrained=False)##加载初始模型,模型参数还没有训练torch.save(vgg16_false, "method1.pth")torch.load("method1.pth") 2. 方法二(仅保存模型参数)torch.save(vgg16_false.state_dict(), "method2.pth")torch.load("method2.pth")注:当
2022-01-25 01:51:22
1274
原创 Pytorch——加载并修改已有模型
1. 加载已有模型——以VGG为例vgg16_true = torchvision.models.vgg16(pretrained=True)##加载参数已经训练好的模型vgg16_false = torchvision.models.vgg16(pretrained=False)##加载初始模型,模型参数还没有训练2 . 修改模型2.1 在模型的基础上增加网络结构vgg16_false.add_module("linear", nn.Linear(1000, 10))print(vgg16_
2022-01-25 01:36:00
677
原创 Pytorch——优化器
优化器的使用1.创建优化器2.循环内梯度清零3.计算梯度4.根据梯度优化loss例子:dataset_transform_compose = transforms.Compose([transforms.ToTensor()])train_set = torchvision.datasets.CIFAR10(root="./dataset", train=True, transform=dataset_transform_compose, download=True)test_set = t
2022-01-25 01:01:51
167
原创 Pytorch——损失函数
1.常见损失函数1.1 L1loss例子:x = torch.Tensor([1, 2, 3])y = torch.Tensor([1, 0, 6])L1loss = nn.L1Loss()loss1 = L1loss(x, y)print(loss1)输出:tensor(1.6667)1.2 MSELoss例子:x = torch.Tensor([1, 2, 3])y = torch.Tensor([1, 0, 6])mseloss = nn.MSELoss()los
2022-01-25 00:40:41
348
原创 Pytorch——深度神经网络
1.卷积层(以Conv2d为例)注:输入的参数包括batchsize,通道数,图像宽度和高度,对于一般的图像通常只有宽度和高度两个参数,所以可以使用reshape函数改变尺寸。例1:以张量为例input = torch.Tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9] ])print(input.shape)input = torch.
2022-01-24 23:59:31
1141
原创 Pytorch数据集使用
写在最前:多看pytorch官方文档1.官方文档中给出了数据的参数及使用方法2.实战dataset_transform_compose = transforms.Compose([transforms.ToTensor()])#下载数据集train_set = torchvision.datasets.CIFAR10(root="./dataset", train=True, transform=dataset_transform_compose, download=True)test_set
2022-01-24 02:20:49
877
原创 Transform使用方法
1.整体框架例子:(以transforms.ToTensor()为例)from torchvision import transformsimage_path = "IMG_1098.JPG"image = Image.open(image_path)trans_to_tensor = transforms.ToTensor()image_tensor = trans_to_tensor(image)print(image_tensor)2.常见的transform(1)Normal
2022-01-24 00:03:52
2611
原创 Ffmpeg的使用(视频格式转换、录屏等)
Ffmpeg的使用:1.视频格式转换:将ffmepg下载好,配置成功后即可使用将MP4格式转换为YUV格式:打开cmd界面进行如下操作例:C:\Users\28171>ffmpeg -i “C:\视频序列\text.mp4” “C:\视频序列\text.yuv”...
2021-01-16 11:05:49
357
原创 学习笔记——去块效应滤波器
学习笔记——去块效应滤波器1、块效应产生的原因2、滤波器分类3、滤波过程1、块效应产生的原因1.DCT变换的变换系数量化过程相对粗糙,且DCT变化是基于块的。2.运动补偿块的匹配块不是绝对准确的,各个块的残差大小程度存在差异,特别是相邻块所用参考真不同,运动矢量或者参考块的差距过大时,块边界上产生的数据不连续就更加明显。2、滤波器分类1.环路滤波器:放置在编解码环路中2.后置滤波器:放置在解码端3、滤波过程...
2020-12-17 18:17:11
1331
原创 学习笔记——基于实例分析CAVLC的具体流程
学习笔记——基于实例分析CAVLC的具体流程前言一、CAVLC编码步骤Step1.对非零系数的数目(TotalCoeffs)以及拖尾系数的数目(TrailingOnes)进行编码Step2.对拖尾系数的符号进行逆序编码Step3.编码除了拖尾系数以外的非零系数幅值二、使用步骤1.引入库2.读入数据总结欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPan
2020-12-15 20:55:25
407
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人