![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
pytorch学习笔记
文章平均质量分 73
向bug低头。
这个作者很懒,什么都没留下…
展开
-
Python读取及保存mat文件 注意事项
**Python读取及保存mat文件**在说明python读取mat文件之前需要强调2点:读取的时候需要注意读出来的shape是什么样的,是否符合自己的预期,如果shape不是自己预期的那样,就需要用np.transpose(mat, [x, x, x])进行修正。读取的时候需要注意取值范围,也就是最大值,因为在作为训练数据的时候需要首先进行归一化(避免无法收敛),而不同的mat文件的最大值是不一样的,有0-1、0-255、0-212、0-216。python实现mat文件的读取主要有3个函原创 2021-05-05 21:02:34 · 3417 阅读 · 0 评论 -
dim的理解
eg.a = torch.randn((3,4,5))b = a.max(dim=0)可以值么理解,固定这一个维度,比如现在是dim=0,这三个红框里面的部分不动,如红色箭头所示,移动整个块,进行比较或者其它操作。输出维度:(1,4,5)dim=1也是一样的输出维度:(3,1,5)最后的结果是将该维度变成1,其余不变。...原创 2020-12-23 11:09:45 · 3452 阅读 · 1 评论 -
训练阶段net.train()&&测试阶段net.eval()的作用
net.train()在训练模型时需要在前面加上。net.eval()在非训练的时候是需要加的,没有这句代码,一些网络层的值会发生变动,不会固定,神经网络每一次生成的结果也是不固定的,如droupout层和BN层,生成质量可能好也可能不好。...原创 2020-12-22 19:15:03 · 5692 阅读 · 0 评论 -
Pytorch可视化(显示图片)及格式转换
读取RGB文件:matplotlibimport matplotlib.image as mpimg # mpimg 用于读取图片lena = mpimg.imread('lena.png')cv2import cv2# cv2.imread()接口读图像,读进来直接是BGR 格式数据格式在 0~255,通道格式为(W,H,C)img_BGR = cv2.imread('D:/Desktop/lena.jpg')rgb = cv2.cvtColor(rgb, cv2.COLOR_原创 2020-12-20 18:43:14 · 10012 阅读 · 3 评论 -
Linux服务器跑深度学习的基础代码
Linux 通过命令行关闭进程 ps -u %显示该用户所有进程的PID号 kill 9 PID %杀死该进程通过后台运行python程序 nohup python main.py > myout.file 2>&1 &^C原创 2020-12-18 23:28:58 · 2152 阅读 · 1 评论 -
使用Python、Matlab加载数据&保存数据
Pythondata_path = r’C:\Users\Administrator\Desktop\NTIRE2020_Validation_RealWorld’如果不加“r”就会报错,加了“r”之后加载数据时会将“\”自动转成“\”(使用复制地址就会这样)‘C:/Users/Administrator/Desktop/NTIRE2020_Validation_RealWorld’这样写不报错,加了“r”也不会错所以建议前面加“r”data_path = ‘./Dataset/V原创 2020-12-12 17:37:01 · 460 阅读 · 0 评论 -
配置GPU
os.environ[“CUDA_DEVICE_ORDER”] = “PCI_BUS_ID” #按照PCI_BUS_ID顺序从0开始排列GPU设备os.environ[“CUDA_VISIBLE_DEVICES”] = “0”#设置当前使用的GPU设备仅为0号设备 设备名称为’/gpu:0’os.environ[“CUDA_VISIBLE_DEVICES”] = “1” #设置当前使用的GPU设备仅为1号设备,设备名称为’/gpu:0’os.environ[“CUDA_VISIB..原创 2020-12-12 16:24:18 · 642 阅读 · 0 评论 -
pytorch中设置不同的学习率
pytorch中为不同子网络设置不同的学习率首先定义一个LeNet网络import torchimport torch.nn as nnfrom torch import optimclass Net(nn.Module): def __init__(self): super(Net, self).__init__() self.features = nn.Sequential( nn.Conv2d(3, 6, 5),原创 2020-11-25 16:25:09 · 1512 阅读 · 0 评论 -
pytroch调试时显示网络中的变量大小或具体数值
pytroch调试是显示网络中的变量大小或具体数值首先设置断点,打开调试窗口。在这里插入代码片这个时候想看各个变量的具体值是多少,直接输入conv1.parameter是没有显示的:需要这样:for name, para in self.conv1.named_parameters(): #net.conv1.named_parameters(): print(name, para.size())...原创 2020-11-25 15:00:36 · 136 阅读 · 0 评论 -
Pytorch显示一个Tensor类型的图片数据
Pytorch显示一个Tensor类型的图片数据import torchfrom torchvision.transforms import ToPILImageshow = ToPILImage() # 可以把Tensor转成Image,方便可视化pic=torch.randn(3, 500, 500)ToPILImage()(pic).show()显示效果原创 2020-11-19 18:12:55 · 7639 阅读 · 0 评论 -
nn.ReLU和nn.functional.relu有什么区别
nn.ReLU和nn.functional.relu有什么区别其中nn.ReLU作为一个层结构,必须添加到nn.Module容器中才能使用class Net(nn.Module): def __init__(self): super(Net, self).__init__() self.conv1 = nn.Conv2d(3, 6, 5) self.conv2 = nn.Conv2d(6, 16, 5) self.fc1 = n原创 2020-11-20 15:23:24 · 3769 阅读 · 0 评论 -
pytorch中unsqueeze和queeze函数的使用
pytorch中unsqueeze和queeze函数的使用直接上代码:import torcha = torch.randn([1,2,3])print(a.shape)a = a.squeeze(0) #这里注意一定要重新赋值 #在第“0”维增加一个维度的数据print(a.shape)torch.Size([1, 2, 3])torch.Size([2, 3])所以看得出来tensor.squeeze()的作用就是减少一个维度,但要注意一个问题,只能删减维度大小为1的一原创 2020-11-25 14:05:06 · 1110 阅读 · 0 评论