笔记
文章平均质量分 55
zyrlia
这个作者很懒,什么都没留下…
展开
-
pytorch保存和加载模型 & checkpoint断点续传
pytorch保存和加载模型保存模型有两种方式保存模型一、保存整个网络保存整个神经网络的的结构信息和模型参数信息,save的对象是网络net。 后缀一般命名为.pklnet = Net() # 保存和加载整个模型torch.save(net, 'model.pkl')model = torch.load('model.pkl')二、仅保存模型参数当需要为预测保存一个模型的时候,只需要保存训练模型的可学习参数即可。只保存神经网络的训练模型参数,save的对象是net.state_dic原创 2022-05-31 19:46:57 · 2498 阅读 · 0 评论 -
pytorch数据读取之理解dataloader和dataset
DataLoader和Dataset是pytorch中数据读取的核心能够将自己的科研数据输入到模型当中是进行研究的最初的一步也是最重要的一步一、torch.utils.data.Dataset该类是用来定义数据从哪里读取,以及如何读取的问题。在使用该类时,需要先继承该类。那么具体如何读取,需要复写其中的方法__getitem__() # 最为重要, 即每次怎么读数据,接受一个item索引,返回该索引的样本__len__() #len()返回值的是常数具体的类的实现如下:class MyD原创 2022-05-31 17:42:48 · 1100 阅读 · 0 评论 -
seed在模型中的应用及用法
SEEDseed在深度学习代码中叫随机种子,设置seed的目的是由于深度学习网络模型中初始的权值参数通常都是初始化成随机数。而使用梯度下降法最终得到的局部最优解对于初始位置点的选择很敏感,设置了seed就相当于规定了初始的随机值。设置随机种子的方法能够近似的完全复现作者的开源深度学习代码,随机种子的选择能够减少一定程度上算法结果的随机性,也就是更接近于原始作者的结果即产生随机种子意味着每次运行实验,产生的随机数都是相同的在深度学习代码中可以使用以下函数def seed_all(seed):原创 2022-05-31 15:48:00 · 6237 阅读 · 0 评论 -
文件读写sys.stdout,sys.stderr和open()函数获得运行状况
1.sys.stdoutstdout用于print和状态表达式的结果输出,及input()的瞬时输出sys.stdout的形式就是print的一种默认输出格式import os sys.stdout.write("hello world" + "\n")print("hello world")以上两个输出是相同的print 默认换行stdout.write 默认不换行+++++++++2.sys.stderrstderr与stdout一样,用于重定向错误信息至某个文件简而言之就是把原创 2022-05-31 11:28:33 · 996 阅读 · 0 评论 -
在pyG上定义数据集
使用数据集的一般过程PyG定义了使用数据的一般过程:从网络上下载数据原始文件;对数据原始文件做处理,为每一个图样本生成一个Data对象;对每一个Data对象执行数据处理,使其转换成新的Data对象;过滤Data对象;保存Data对象到文件;获取Data对象,在每一次获取Data对象时,都先对Data对象做数据变换(于是获取到的是数据变换后的Data对象)。实际中并非需要严格执行每一个步骤,以上步骤在特定的条件下可以被跳过,具体内容在下文里会学到。创建内存数据集为了创建torch_geometric.d原创 2021-06-28 00:49:58 · 505 阅读 · 0 评论