![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Pytorch学习
文章平均质量分 76
清纯世纪
知识的搬运工
展开
-
Pytorch 预训练模型加载、修改网络结构并固定某层参数训练、不同层采用不同的学习率
一、Pytorch中state_dict()、named_parameters()、model.parameter()区别1、model.state_dict():是将 layer_name与 layer_param 以键的形式存储为 dict 。包含所有层的名字和参数,所存储的模型参数 tensor 的 require_grad 属性都是 False 。输出的值不包括 require_grad 。在固定某层时不能采用 model.state_dict() 来获取参数设置requ..........原创 2021-08-24 17:04:30 · 8965 阅读 · 1 评论 -
F.interpolate 数组采样操作
比如在细粒度识别领域中,注意力图有时候会对特征图进行裁剪操作,将有用的部分裁剪出来,裁剪后的图像往往尺寸小于原始特征图,这时候如果强制转换成原始图像大小,往往是无效的,会丢掉部分有用的信息。所以这时候就需要用到interpolate函数对其进行上采样操作,在保证图像信息不丢失的情况下,放大图像,从而放大图像的细节,有利于进一步的特征提取工作。一个是按四角的像素点中心对齐,另一个是按四角的像素角点对齐。操作,换句话说就是科学合理地改变数组的尺寸大小,尽量保持数据完整。原创 2023-07-23 17:43:30 · 813 阅读 · 0 评论 -
F.pad() 填充函数详解
F.pad() 是。原创 2023-06-10 21:24:10 · 2366 阅读 · 0 评论 -
PyTorch使用cpu与gpu之间模型相互加载调用
我们在使用pytorch的过程,经常会需要加载模型参数,但是pytorch当中,GPU和CPU模型下加载的参数的类型是不同的,不能互相直接调用,下面分情况进行操作说明。原创 2023-04-22 17:59:25 · 714 阅读 · 0 评论 -
sklearn-SVM 模型保存、交叉验证与网格搜索
目录一、sklearn-SVM1、SVM模型训练2、SVM模型参数输出3、SVM模型保存与读取二、交叉验证与网络搜索1、交叉验证1)、k折交叉验证(Standard Cross Validation)2)、留一法交叉验证(leave-one-out)3)、打乱划分交叉验证(shufflfle-split cross-validation)2、交叉验证与网络搜索1)简单网格搜索: 遍历法2)其他情况一、sklearn-SVM1、SVM模型训练 ...原创 2021-08-25 15:07:40 · 12336 阅读 · 4 评论