pytorch_learning
文章平均质量分 64
Pytorch
LiQiang33
自强不息,厚德载物
展开
-
Pytorch torch.save() 保存特征向量
Pytorch保存特征向量 tensor原创 2023-01-14 20:10:51 · 2094 阅读 · 0 评论 -
DeepLearning[花书] 参考资料
深度学习资料推荐原创 2022-08-06 13:36:05 · 816 阅读 · 0 评论 -
pytorch torchvision 图像分割 使用不同的颜色显示过分割与欠分割
文章目录0 介绍1.1 背景1.2 流程2 获取TP,FP,FN3 获取背景4. GRAY图片转化为RGB5 图片融合 与 算法流程6 结果参考文章0 介绍在图像分割中,常常有过分割与欠分割问题,为了显示它们,可以在预测的基础上,使用不同的颜色标记过分割:在混淆矩阵中即假正类(False positive, FP),模型将不属于该类的像素预测成了该类,即预测错误。设预测的图像为prd_img, GT为mask_image, 在二分类中,FP的计算方式为 fp = (1 - mask_iamge原创 2022-05-08 00:37:29 · 1975 阅读 · 0 评论 -
Pytroch torchvision 数据增强 翻转 旋转
文章目录0 数据增强简介1 使用的例子2 增强方式2.1 水平翻转和竖直翻转2.2 旋转参考文章0 数据增强简介数据增强常常用来扩充数据,在一定程度上可以缓解数据不足所带来模型训练程度不足的问题,对于少量数据进行数据增强,再训练模型,可以增强模型数据增强的方式:通常在训练中使用而不在测试中使用,并且在训练中常常使用随机的方式生成数据增强的使用:通常根据应用场景进行数据增强。比如有些数据在光线有大量变化的场景中应用,需要对图片数据进行光照上的增强;有些数据在形状上有变化,比如伪装物体的检测原创 2022-05-07 18:09:59 · 2701 阅读 · 0 评论 -
Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the same
1. 原因输入的矩阵的数据类型与神经网络权重的数据类型不一致解决办法将输入的数据与神经网络放到同一个设备上device = torch.device("cuda:0")# -------x, y = x.to(device), y.to(device)# --------model.to(device)...原创 2022-02-21 14:45:36 · 1616 阅读 · 0 评论