![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
pytorch笔记
可大侠
真好
展开
-
Pytorch的可视化工具tensorboardX
推荐直接看我写的两个链接,GitHub地址Pytorch使用tensorboardX可视化。超详细!!!Tensorboard的Github安装pip install tensorboardX示例建议直接将Github下载到本地,然后运行examples文件夹中的示例import torchimport torchvision.utils as vutilsimport numpy as npimport torchvision.models as modelsfrom torch原创 2020-12-07 23:08:03 · 2263 阅读 · 0 评论 -
pytorch 方法笔记
torch.Tensor.scattersc官网地址pytorch中torch.Tensor.scatter用法scatter_(dim, index, src, reduce=None) → Tensor参数dim:维度,可以是0,1,2…,表示只在第dim维进行修改index:索引数组,tensor,数据类型为整数,表示位置src:原数组,reduce示例import torch >>>input = torch.randn(2, 4)>>&g原创 2020-11-13 19:33:45 · 540 阅读 · 0 评论 -
pytorch.max()的详细解释
网上大多数对max的解释只停留在二维数据,在三维及以上就没有详述,我将对二维数据和三维数据进行详细解释,让你不再有疑虑并没有总结具体意思,直接根据详细示例也就明白含义了参考文章torch.max()使用讲解torch.max(input, dim, keepdim=False, *, out=None) -> (Tensor, LongTensor)在分类问题中,通常使用max()函数对softmax函数的输出值进行操作,求出预测值索引参数input:softmax函数输出的一个t原创 2020-11-13 14:56:31 · 1765 阅读 · 0 评论