![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
pytorch
文章平均质量分 64
磁生电
这个作者很懒,什么都没留下…
展开
-
U-Net++细胞分类
引用albumentations.augmentations.transforms时未找到module:RandomRotate90在做Unet 细胞分类的时候。导入albumentations.augmentations.transforms时未找到module:RandomRotate90,和Resizeimport albumentations as AA.RandomRotate90A.Resize...原创 2022-03-28 13:54:26 · 3743 阅读 · 1 评论 -
Mask RCNN 实战-tensorFlow 2版本运行代码遇到的问题和解决办法
It still use old version of tf library.So what I did is find the replacement functions and replace it on model.py file.I'll copy+paste changed code here and you use and compare yourself.Summary:tf.log() -> tf.math.log()tf.sets.set_intersection()原创 2022-03-02 19:32:17 · 2629 阅读 · 0 评论 -
CycleGAN开源项目介绍
github项目下载:CycleGAN开源项目数据集下载:项目的目录结构如下,ide打开图示.sh文件,打开文件中的URL=https://people.eecs.berkeley.edu/~taesung_park/CycleGAN/datasets/$FILE.zip:把下载好的数据集保存到datasets文件夹中配置parameter:–dataroot datasets\horse2zebra\testA --name horse2zebra.pth_pretrained --.原创 2022-03-02 10:54:24 · 1472 阅读 · 0 评论 -
pytorch的visdom可视化展示
使用visdom步骤:步骤1:下载visdom1.pip install visdom步骤2:离线下载static文件进入到visdom安装包文件夹:E:\ProgramData\Anaconda3\envs\python36\Lib\site-packages\visdom打开server.py文件,把1917行的download_scripts()注释掉,因为这行操作要访问外网下载def download_scripts_and_run(): # download_scripts(原创 2022-03-02 10:45:45 · 2050 阅读 · 0 评论 -
解决Could not connect to Visdom server. Trying to start a server....
问题描述今天在跑一个cyclegan项目时遇到了一个问题:Could not connect to Visdom server.Trying to start a server…Failed to establish a new connection: [WinError 10061] 由于目标计算机积极拒绝,无法连接。’,))[WinError 10061] 由于目标计算机积极拒绝,无法连接。解决问题要从根源处解决:首先是Visdom问题看visom是否安装,安装是否正确,如何启动启动是原创 2022-02-28 11:35:55 · 3057 阅读 · 2 评论 -
tensorboard for pytorch可视化展示
安装tensorboaedxpip install tensorboardX在anaconda prompt命令行输入要展示文件夹的位置*(是文件夹不是文件位置)3. 输入下面命令执行:tensorboard --logdir=11-09_13.03Serving TensorBoard on localhost; to expose to the network, use a proxy or pass --bind_allTensorBoard 2.0.2 at http:/.原创 2022-02-24 15:47:10 · 607 阅读 · 0 评论 -
pytorch迁移学习-keras工具包实现resnet
CNN训练一个模型可能会遇到的问题:训练的数据量少,模型会过拟合调参花费时间多模型大训练时间长⇊\downdownarrows⇊怎么使模型训练更加简单?⇊\downdownarrows⇊迁移学习:用别人训练好的模型对自己的数据进行训练(用别人训练好的权重参数初始化自己的参数)⇊\downdownarrows⇊如何保证用别人的模型:数据结构,输入输出数据格式都要与别人一样⇊\downdownarrows⇊迁移学习策略:A用别人的参数初始化继续迭代别人的参数B直接把别人训原创 2022-02-23 17:00:46 · 830 阅读 · 1 评论 -
pytorch基于经典网络架构训练图像分类模型
数据预处理部分:数据增强:torchvision中transforms模块自带功能,比较实用数据预处理:torchvision中transforms也帮我们实现好了,直接调用即可DataLoader模块直接读取batch数据网络模块设置:加载预训练模型,torchvision中有很多经典网络架构,调用起来十分方便,并且可以用人家训练好的权重参数来继续训练,也就是所谓的迁移学习需要注意的是别人训练好的任务跟咱们的可不是完全一样,需要把最后的head层改一改,一般也就是最后的全连接层,改成咱们原创 2022-02-22 20:54:27 · 1888 阅读 · 0 评论 -
pytorch构建卷积神经网络流程
卷积网络中的输入和输出层与传统神经网络有些区别,需重新设计,训练模块基本一致import torchimport torch.nn as nnimport torch.optim as optimimport torch.nn.functional as Ffrom torchvision import datasets,transforms import matplotlib.pyplot as pltimport numpy as np%matplotlib inline首先读取.原创 2022-02-22 16:06:54 · 888 阅读 · 0 评论 -
pytorch_01 自动求导机制
框架干的最厉害的一件事就是:手动定义需要求导的前向传播,把返向传播全部计算好了import torch #方法1x = torch.randn(3,4,requires_grad=True)#构建3行4列的矩阵 requires_grad=True表示可以对当前的X进行求导,默认为falsex#方法2x = torch.randn(3,4)#x.requires_grad=Truexb = torch.randn(3,4,requires_grad=True)t = x +原创 2022-02-11 16:03:58 · 1083 阅读 · 0 评论