pytorch | 汇总深度学习过程中遇到的一些小问题（持续更新）

最新推荐文章于 2024-09-04 15:09:01 发布
最新推荐文章于 2024-09-04 15:09:01 发布
阅读量120 收藏
点赞数
分类专栏： 深度学习 文章标签： 深度学习 pytorch 人工智能 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44401770/article/details/133994695
版权
本文分享了深度学习新手在实践中遇到的两个常见错误：一是关于设备管理，忘记将数据从CPU复制到GPU；二是处理不支持三维目标的RuntimeError，提供了解决思路。作者将持续更新更多问题和解决方案。
摘要由CSDN通过智能技术生成 
整理一下我自己-一名深度学习小白，在跑代码的过程中遇到的一些小问题

1、报错：RuntimeError: Expected all tensors to be on the same device, but found at least two devices, cuda:0 and cpu! (when checking argument for argument target in method wrapper__nll_loss2d_forward)
可能的原因是：在将数据抛到GPU上时忘记用等号赋值回去了，例如把data=data.to(device)写成了data.to(device)

2、报错：RuntimeError: only batches of spatial targets supported (3D tensors) but got targets of size: : [4]
解决方法：原理看原文，具体解决办法看评论区

……持续更新中

Sua Sua
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Pytorch——报错解决：RuntimeError: Expected all tensors to be on the same device, but found at least two
Williamcsj的博客
07-12 1万+
tensors 一会在CPU运算，一会在GPU运算。都改成在GPU运算。
【持续更新】深度学习过程中常见的Python代码疑难杂症汇总
Mickey的博客
05-11 632
即便在熟练掌握了Python的基本语法之后，涉足深度学习领域时，开发者往往会遇到一系列新的挑战，这些挑战源自于深度学习特有的复杂概念、高级库的使用以及大规模数据处理的需求。
深度学习遇到的环境问题汇总（持续更新）
miao_nei的博客
05-16 280
pip更新导致no modle named pip问题 curl https://bootstrap.pypa.io/pip/3.6/get-pip.py -o get-pip2.py ##3.6 python版本号 python get-pip2.py
Python/Pytorch常用函数大汇总（持续更新中）
qq_52353238的博客
02-04 939
nargs - 应该读取的命令行参数个数，可以是具体的数字，或者是?在上面的代码中，我们先导入了argparse这个包，然后包中的ArgumentParser类生成一个parser对象（好多博客中把这个叫做参数解析器），其中的description描述这个参数解析器是干什么的，当我们在命令行显示帮助信息的时候会看到description描述的信息。而对于tensor的计算操作，默认是要进行计算图的构建的，在这种情况下，可以使用 with torch.no_grad():，强制之后的内容不进行计算图构建。
面试 | 30个热门PyTorch面试题助你轻松通过机器学习/深度学习面试
Vampire_2017的博客
08-25 1095
本文涵盖 PyTorch 的多个方面的热门面试题，包括初始化权重和偏差、定义神经网络模型、设实现自定义损失函数、模型压缩加速技巧、求函数导数、torch.no_grad的作用以及张量钩子的使用和在张量上实现钩子等内容。
深度学习和日常代码中遇到的报错汇总及解决方案，持续更新中。。。。
qq_26244715的博客
02-10 6261
深度学习和日常代码中遇到的报错汇总及解决方案，持续更新中。。。。 解决方案也大多参考网上的解决方案，有些有用，有些没有效果，本文章中的问题，也仅是本人遇到的问题
PyTorch与Numpy常用函数及功能汇总，持续更新！
qq_42686324的博客
02-19 2619
PyTorch与Numpy常用函数引言PyTorch函数汇总等待更新...Numpy函数汇总等待更新... 引言 在用PyTorch搭建深度学习模型时，常常遇到一些不知道该如何使用的函数，在网上查到资料弄懂之后，过段时间又忘了，所以以后再遇到不懂的函数就放在这儿，方便后续查询，就把这当成自己的API函数手册吧。由于PyTorch常与Numpy相结合，所以也把Num函数记录在这儿。 PyTorch函数汇总 等待更新… Numpy函数汇总 等待更新… ...
面经自己汇总（三维视觉算法&机器学习&深度学习）——持续更新
toCVer的博客
07-01 4968
算法面经
深度学习优秀博客、学习资源汇总(持续更新ing……)
weixin_39548859的博客
08-24 270
1.基础理论 1.1 优化算法 1.1.1 从 SGD 到 Adam —— 深度学习优化算法概览(一) 介绍了各个优化算法的公式发展 1.1.2 一个框架看懂优化算法之异同 SGD/AdaGrad/Adam 介绍各个优化算法的公式，讲的更好一点，但公式不如1.1.1准确 Adam那么棒，为什么还对SGD念念不忘 (3)—— 优化算法的选择与使用策略 讲了优化算法的问题，和作者的一些trick ...
深度学习与目标检测系列(四) 本文约(4.5万字) | 全面解读复现VGGNet | Pytorch |
weixin_44302770的博客
12-31 887
在这项工作中，我们研究了卷积网络深度在大规模图像识别环境下对其精度的影响。我们的主要贡献是使用具有非常小(3×3)卷积滤波器的体系结构对增加深度的网络进行了彻底的评估，这表明通过将深度推进到16-19个权重层，可以实现对现有技术配置的显著改进。这些发现是我们2014年ImageNet挑战赛提交的基础，我们的团队在局部化和分类路径上分别获得了第一和第二名。我们还表明，我们的表示法很好地推广到了其他数据集，在这些数据集上，它们获得了最先进的结果。
Tensorflow/Pytorch及python数据处理中问题及解决汇总（持续更新中）
zhylhy520的博客
05-22 1655
博主在使用tensorflow进行深度学习编程的时候经常会遇到一些常见的问题，特此在这里将自己遇到的问题与解决方法进行汇总。 1、tensor张量维度扩展（试图把shape为[64,10]的张量扩展为[64,128,10]的张量） n = tf.expand_dims(m,axis=1) #m为shape为[64,10]的tensor #经过tf.expand_dims扩展后的shape为[...
一切皆是映射：深度学习在航空航天中的挑战与机会
程序员光剑
06-28 1024
一切皆是映射：深度学习在航空航天中的挑战与机会 作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming 关键词：深度学习, 航空航天工程, 映射理论, 智能系统集成, 自动化控制, 机器学习 1. 背景介绍
汇总利用YOLO8训练遇到的报错和解决方案（包含训练过程中验证阶段报错、精度报错、损失为Nan、不打印GFLOPs）
Snu77的博客
02-22 2729
这也是模型打印两次的区别，第一次打印出来的就是你选择模型的yaml文件结构，第二次打印的就是替换了你数据集的yaml文件，模型使用的是第二种。(2)多卡训练问题,修改模型以后不能支持多卡训练可以尝试下面的两行命令行操作，两个是不同的操作，是代表不同的版本现尝试第一个不行用第二个。这里是我早期写的一个环境搭建的教程，大家可以参考。
卷积神经网络综述
XU157303764的博客
09-03 970
本文对卷积神经网络（Convolutional Neural Network，CNN）进行了全面综述。首先介绍了卷积神经网络的发展历程，包括早期的理论基础和关键突破。接着详细阐述了卷积神经网络的结构组成，包括卷积层、池化层、全连接层等，分析了各层的作用和特点。然后探讨了卷积神经网络在图像识别、目标检测、语义分割等多个领域的应用，并介绍了一些典型的应用案例。此外，还讨论了卷积神经网络的训练方法和优化技巧，包括数据增强、正则化、超参数调整等。最后，对卷积神经网络的未来发展趋势进行了展望。
【保姆级教程】使用 PyTorch 自定义卷积神经网络（CNN） 实现图像分类、训练验证、预测全流程【附数据集与源码】
阿旭的博客
09-03 2203
【保姆级教程】使用 PyTorch 自定义卷积神经网络（CNN） 实现图像分类、训练验证、预测全流程【附数据集与源码】
【深度学习 transformer】transformer 训练一个文本分类任务，超简单了
赖德发的博客
09-03 788
请注意，这只是一个简化的示例，实际代码可能会更复杂，具体取决于您选择的模型和配置。此外，Happy Transformer的API可能会随着时间的推移而更新，因此请确保查看最新的文档以获取最新的信息。请注意，这只是一个简化的示例，实际代码可能会更复杂，具体取决于您选择的模型和配置。此外，Happy Transformer的API可能会随着时间的推移而更新，因此请确保查看最新的文档以获取最新的信息。在这个预测代码中，我们首先使用Happy Transformer的API加载训练好的模型。
深度学习（八）-图像色彩操作
最新发布
weixin_40198632的博客
09-04 979
图像色彩调整亮度调整对HSV空间的V分量进行处理可以实现对图像亮度的增强。直接将彩色图像灰度化，也可以得到代表图像亮度的灰度图进行图像处理，计算量比HSV颜色空间变化低。但在HSV空间中进行处理可以得到增强后的彩色图像。opencv读取图片是BGR，需要使用时需要进行转换饱和度调整对HSV空间的S分量进行处理可以实现对图像饱和度的增强。饱和度的调整通常是在S原始值上乘以一个修正系数。修正系数大于1，会增加饱和度，使图像的色彩更鲜明；修正系数小于1，会减小饱和度，使图像看起来比较平淡。
深度学习系列69：tts技术原理
kittyzc的博客
09-02 708
tts为text-to-speech，asr为Automatic Speech Recognition，即speech-to-text。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值