![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Pytorch
文章平均质量分 70
TravelingLight77
仰望星空,脚踏实地。
展开
-
PyTorch学习:加载模型和参数
pytorch的模型和参数是分开的,可以分别保存或加载模型和参数。 pytorch有两种模型保存方式: 一、保存整个神经网络的的结构信息和模型参数信息,save的对象是网络net 二、只保存神经网络的训练模型参数,save的对象是net.state_dict() 对应两种保存模型的方式,pytorch也有两种加载模型的方式。对应第一种保存方式,加载模型时通过torch.load('.pth')直接初始化新的...转载 2021-09-03 23:16:14 · 3659 阅读 · 1 评论 -
ShuffleNet V1——总结
版权声明:本文为博主原创文章,未经博主允许不得转载 论文:ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices 链接:https://arxiv.org/abs/1707.01083 第三方代码:https://github.com/jaxony/ShuffleNet pytorch ...转载 2021-09-03 21:54:16 · 155 阅读 · 0 评论 -
通道注意力超强改进,轻量模块ECANet来了!即插即用,显著提高CNN性能|已开源——总结3
极市平台(微信公众号ID:extrememart):专注计算机视觉前沿资讯和技术干货。本文由极市平台首发,转载需获授权。极市导读:今天给大家推荐一篇CVPR2020上对通道注意力进行改进的文章---ECANet,ECANet主要对SENet模块进行了一些改进,提出了一种不降维的局部跨信道交互策略(ECA模块)和自适应选择一维卷积核大小的方法,从而实现了性能上的提优。最近已经有很多文章在通道和空间注意力上做改进并取得了性能提升。例如SKNet,SANet,ResNeSt等等,不得不说,注意力机制真的香!论文链转载 2021-08-27 17:40:34 · 3632 阅读 · 0 评论 -
轻量模块注意力机制ECA-Net(注意力模块+一维卷积)——总结2
文章目录 ECA-Net: Efficient Channel Attention for Deep Convolutional Neural Networks(2020)注意力模块比较ECA模块Avoiding Dimensionality Reduction(避免维度减少)Local Cross-Channel Interaction(局部跨通道交互)Coverage of Local Cross-Channel...转载 2021-08-27 17:38:28 · 5050 阅读 · 2 评论 -
PyTorch中网络里面的inplace=True字段的意思
在例如nn.LeakyReLU(inplace=True)中的inplace字段是什么意思呢?有什么用?inplace=True的意思是进行原地操作,例如x=x+5,对x就是一个原地操作,y=x+5,x=y,完成了与x=x+5同样的功能但是不是原地操作,上面LeakyReLU中的inplace=True的含义是一样的,是对于Conv2d这样的上层网络传递下来的tensor直接进行修改,好处就是可以节省运算内存,不用多储存变量y。inplace=True means that it will modif转载 2021-08-26 21:42:32 · 4897 阅读 · 1 评论 -
PyTorch的nn.Linear()详解
一、概述PyTorch的nn.Linear()是用于设置网络中的全连接层的,需要注意在二维图像处理的任务中,全连接层的输入与输出一般都设置为二维张量,形状通常为[batch_size, size],不同于卷积层要求输入输出是四维张量。其用法与形参说明如下: 二、参数说明in_features指的是输入的二维张量的大小,即输入的 [batch_size, size] 中的size(输入图片的特征共有多少个,上一个全连接层神经元的个数)。out_features指的是输出的二维张量的大小,即输转载 2021-08-26 21:13:28 · 16410 阅读 · 1 评论 -
Pytorch框架安装笔记(重点)
一、安装过程查看本机电脑的 GPU驱动,看看当前 驱动版本可以 支持的cuda版本,对应关系如下:最新可查阅官方文档注:驱动是向下兼容的,其决定了可安装的CUDA Toolkit的最高版本。由1中确定cuda版本以后, 以cuda为中心,寻找配件进行安装,根据cuda版本确定cudnn版本由cuda确定Pytorch的版本注:虽有的卡驱动更新至较新版本,且CUDA Toolkit及PyTorch也可对应更新至新版本。但有的对应安装包无法使用,有可能是由于卡太旧的原因。安原创 2021-08-26 17:48:06 · 122 阅读 · 0 评论 -
Pytorch中nn.Conv2d的用法(Pytorch二维卷积总结)
Pytorch中nn.Conv2d的用法nn.Conv2d是二维卷积方法,相对应的还有一维卷积方法nn.Conv1d,常用于文本数据的处理,而nn.Conv2d一般用于二维图像。先看一下接口定义:class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)参数解释:stride:步长zero-padding:图像四周填0d.转载 2021-08-18 20:41:42 · 2485 阅读 · 0 评论 -
农作物病虫害识别进展概述(***)
最近看了Overview: Research Progress on Pest and Disease Identification这篇文章,这篇文章主要也就是对农业病虫害的识别的一个综述。 摘要 近年来,病虫害的识别已成为一个热门话题。越来越多的研究者开始研究病虫害的检测和识别,以实现精准农业。自动检测该地区农作物上的害虫数量已经成为优化农业资源的重要手段。随着现代数字技术的发展,图像处理技术也发展迅速,为有害生物的识...转载 2021-06-21 22:38:31 · 4219 阅读 · 2 评论 -
注意力机制论文:Squeeze-and-Excitation Networks及其PyTorch实现
Squeeze-and-Excitation Networks PDF: https://arxiv.org/pdf/1709.01507.pdf PyTorch代码: https://github.com/shanglianlm0525/PyTorch-Networks Sque...转载 2021-06-20 20:38:23 · 1300 阅读 · 0 评论 -
Linux 和 Windows 查看当前运行的 python 进程及 GPU、CPU、磁盘利用率
Linux 和 Windows 查看当前运行的 python 进程及 GPU、CPU、磁盘利用率 目录查看当前 python 进程LinuxWindows查看 GPU 利用率LinuxWindowsLinux CPU 利用率Linux 磁盘利用率查看当前 python 进程Linux在 shell 中执行如下指令:ps -ef | grep python或者ps aux | grep python查看用户...转载 2021-06-20 17:59:09 · 1756 阅读 · 0 评论 -
[Pytorch]Pytorch中tensor常用语法——张量数学运算
原文地址:https://zhuanlan.zhihu.com/p/31494491上次我总结了在PyTorch中建立随机数Tensor的多种方法的区别。这次我把常用的Tensor的数学运算总结到这里,以防自己在使用PyTorch做实验时,忘记这些方法应该传什么参数。总结的方法包括:Tensor求和以及按索引求和:torch.sum() torch.Tensor.indexadd()Tensor元素乘积:torch.prod(input)对Tensor求均值、方差、极值:torch.mean().转载 2021-06-16 19:50:58 · 1933 阅读 · 1 评论