深度学习
tensor.shape
这个作者很懒,什么都没留下…
展开
-
透过迷雾,看透本质,尊重常识。
1 数字图像基础1.1 图像的数据结构矩阵链:一维形式 (按关系结构就有串描述和树描述(四叉树))拓扑结构:如下1.2中分层:金字塔、四叉树(一直划分到具有相同特征为止,常用于特征提取和信息压缩)1.2 像素间的关系1.3 图像的几种具体算法1.4 图像的空间域平滑参考:https://blog.csdn.net/weixin_42574421/article/details/103149153https://zhuanlan.zhihu.com/p/431016209https原创 2022-05-27 16:40:00 · 89 阅读 · 0 评论 -
code code heart heart
编程心得:①你要知道你要干什么?你要知道你在干什么?②写代码不要浮躁,浮躁是解决不了问题的,甚至让你变得更浮躁,更乱。还不如踏踏实实的一行行的读懂,一行行的垒③向具有普适性方向进行优化④对看看优秀的开源代码,也是与外界大神交流的一道窗,看文献也是如此...原创 2022-04-18 16:31:57 · 98 阅读 · 0 评论 -
csv to txt
import pandas as pdimport osfrom pathlib import Pathimport shutilfrom tqdm.notebook import tqdmfull_images = "F:/BaiduNetdiskDownload/正式数据/2022.04.06(正式数据)/train_image"def create_txt_file(path: Path, item): """根据 item 生成 txt 文件,并写入在对应的 path原创 2022-04-18 16:13:57 · 731 阅读 · 0 评论 -
数据集的划分
1.main.pyimport osimport torchfrom torchvision import transformsfrom my_dataset import MyDataSetfrom utils import read_split_data, plot_data_loader_image# http://download.tensorflow.org/example_images/flower_photos.tgzroot = "C:/Users/dell/Deskto原创 2022-04-02 17:05:02 · 914 阅读 · 0 评论 -
加载指定层的预训练模型代码
import torchimport osimport torchvision.models as modelsimport torch.nn as nndevice = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")print("using {} device".format(device))class Net(nn.Module): def __init__(self, model):原创 2022-04-02 14:44:04 · 307 阅读 · 0 评论 -
踩得深才叫坑
坑1pyd文件是由 D语言编写的一种dll 文件,目前还没有办法进行反编译,只能被反汇编。给python文件提供了很高的安全性。而且也可以编写一些python插件,方便python开发。切记一定要和python编译器版本一致才可以顺利导入...原创 2022-03-22 19:09:35 · 652 阅读 · 0 评论 -
前人栽树,后人乘凉
最大的挑战主要是实验过程中的idea没有效果的情况。这种情况可能是你的代码bug造成的,也可能是idea本身的问题。因此得需要仔细的一一排除。对于代码bug的话,就得仔细检查代码了。对于idea本身的问题的话,多进行可视化分析是一个不错的方法。结果和特征图的可视化分析都对排除问题很有帮助。参考:https://mp.weixin.qq.com/s?__biz=MzUxMDE4MzAzOA==&mid=2247531553&idx=2&sn=659cd59a17511776807原创 2022-03-14 08:51:25 · 883 阅读 · 0 评论 -
模型的代码格式
import torchimport torch.nn as nn# 定义一个空操作class Identity(nn.Module): def __init__(self): super().__init__() def forward(self,x): return xclass Test(nn.Module): def __init__(self, parameter1,原创 2022-03-13 16:39:36 · 567 阅读 · 0 评论 -
[: ]和[: :]
1.a[i: j]python的索引是包含起点,但不包含结束的索引,结束是j-1。因此a[i: j]表示复制a[i]到a[j-1],也相当于a[i,j),生成新的list对象。1.1 无缺省虽然输出是a[1:3],上面说明可得实际是[1:2],相当于[1,3)。正数1.2 当 i 缺省当i缺省时,默认为0,即 a[:3]相当于 a[0:3],由于不包括右边,因此实际是[0:2]1.3 当j缺省时,默认为len(list)负数-1表示最后一个数,此时-1是结尾的索引。1.4 当 i原创 2022-03-13 15:53:19 · 110 阅读 · 0 评论 -
张量的shape
torch.randint返回一个张量,从标准正态分布随机抽取一组数。如下图是用torch.randint产生张量,利用shape属性访问各个维度的维数1、一维张量2、二维张量如图是一个3*4的二维数组,x.shape[0]表示行数,x.shape[1]表示列数3、三维张量x是一个234 的三维数组,包含2个3*4的二维数组 ,x.shape[0]代表包含二维数组的个数,x.shape[1]表示二维数组的行数,x.shape[2]表示二维数组的列数。4、总结[a,b…c]中有N个数,也原创 2022-03-13 14:08:00 · 1899 阅读 · 0 评论