Philo的博客

起初，`我的Python版本为3.7，PyTorch版本为1.12`。然而，由于SAM2中的一个Attention模块需要更高版本的PyTorch，我按照SAM2-Adapter的要求创建了一个新的环境，`升级到了Python 3.8和PyTorch 2.4`。在此过程中遇到了一些问题，记录如下。

`unsqueeze()` 函数是 PyTorch 中的一个张量操作函数，用于在指定位置添加一个新的维度。该函数的作用是在张量的指定位置插入一个新的维度，从而改变张量的形状。

如果没有特殊说明，本书中所说的张量均指的是张量类的实例。也就是说，如果我们的目标形状是（高度,宽度）， 那么在知道宽度后，高度会被自动计算得出，不必我们自己做除法。例如，可以把张量x从形状为（12,）的行向量转换为形状为（3,4）的矩阵。这里需要注意的是，因为X为二维数组，它是包含了3个1行4列的数组，直接用X[-1]表示的是拿最后一个1行4列，所以结果是一个1行4列的一维数组。注意的是axis=0是对行求和，不是每一行求和，是按照行的遍历顺序，求每行的第i个元素的sum或者是mean值，1则是反之。

更新了空洞卷积属性的计算公式，也给出了非空洞卷积的计算公式，具体可以从官网学习！

加载时候：用C.load_state_dict(“B”) 因为只有参数，所以需要用一个和保存参数的网络结构相同的对象去加载，否则参数不知道给那一层进行赋值，所以这里的A和C有着相同的网络结构。保存时候：用torch.load(A.state_dict(), “B”) 保存的是参数，所以A为对象，将参数进行保存,B为保存的名称。保存时候：用torch.save(A, “B”) A为实例化的模型，B为保存的名称，保存的是整个模型和参数。

针对各种激活函数的简要介绍

【代码】线性回归算法-从零开始。

选择卷积核覆盖时的最大值，ceil_mode控制卷积核超出原始数据后是否进行保留函数：参数要求代码：结果：代码：结果：代码：结果：

将原始二维数据，通过卷积核进行运算，得到运算结果，具体运算步骤：通过卷积核，覆盖输入数据，将选中的数据进行相乘后再相加，则得到输出数据反复计算到最后，得到输出结果函数原型：...