Pytorch
文章平均质量分 59
记录Pytorch的学习过程
饭饭饭饭饭炒蛋
这个作者很懒,什么都没留下…
展开
-
DUC(dense upsampling convolution)模块的实现(Pytorch)
在这篇论文中提出了DUC模块,DUC的全称是dense upsampling convolution,即密集上采样卷积。提出的背景是:在decoder阶段,一般采用双线性插值和转置卷积来实现。第一种的双线性插值其参数不可学习的,这样会造成细节信息的损失,第二种的转置卷积会在原图中填充0,论文中没说这样做有什么不好,我自己的想法是,在特征图之间填充0会导致特征图便模糊,及是细节信息损失。作者于是提出了DUC模块。提示:以下是本篇文章正文内容,下面案例可供参考。原创 2023-09-23 11:13:10 · 486 阅读 · 2 评论 -
记录一次错误---想让U-net网络输入大小不一致的图片
最近在看Deeplab系列的论文,文中提到了语义分割领域的一个难题是:将图片输入网络之前需要resize成统一大小,但是resize的话会造成细节信息的损失,所以想要网络处理任意大小的图片输入。我之前训练的U-net网络都是resize成224*224大小,于是我想实验一下不resize,直接将数据经过Totensor(),归一化之后直接丢进网络,但是确报错了。还是说中只是在test的时候能够处理任意大小的图片就行,因为不需要Dataloader了。查了一下发现,在Pytorch中。原创 2023-09-22 12:32:47 · 586 阅读 · 1 评论 -
Pytorch---空间特征金字塔SPP模块的实现
该模块的主要作用是:在分类网络中,通过分类器之后,与全连接层连接时,全连接层的形状是固定的,所以必须将输入网络的图片resize成224。池化窗口的大小和步长都是跟随输入的h和w所变化的,所导致的结果就是,池化之后的h和w一定是4乘以4,2乘以2,1乘以1。2大小的, 然后经过第三个最大池化,得到的结果是1*1大小的。输入为(8,3,16,16),经过SPP模块之后,大小为。输入为(8,3,15,15),经过SPP模块之后,大小为。这里16,16刚好是4,2,1的整数倍,更换其他数字。原创 2023-09-20 21:03:16 · 567 阅读 · 0 评论 -
Python技巧---tqdm库的使用
可以看到有描述性信息,进度条,已经运行了多少时间,还差多少时间,速度。在之后还可以添加后缀描述,见下面。一般都是在train函数中使用tqdm,讲dataloader做为一个可迭代对象传入tqdm。“tqdm” 是一个 Python 库,用于在命令行界面中创建进度条。只介绍传入的三个参数:iterable, desc, total。iterable:是一个可迭代对象。desc:进度条前的描述性信息。total:可迭代对象的长度。原创 2023-09-15 16:37:09 · 1092 阅读 · 0 评论 -
Pytorch-----torch.nn.Module.modules()
在使用pytorch构建神经网络时,定义的网络模型必须要继承自torch.nn.Module这一父类。在Module类中,有一个函数可以返回网络中所有模块的迭代器。这就是torch.nn.Module.modules()提示:以下是本篇文章正文内容,下面案例可供参考。原创 2023-08-07 14:41:58 · 561 阅读 · 0 评论