1、对不同的网络层配置不同的学习率
import torch
optimizer = torch.optim.Adam([
dict(params=model.conv1.parameters(), weight_decay=5e-4),
dict(params=model.conv2.parameters(), weight_decay=0)
], lr=args.lr) # Only perform weight-decay on first convolution.
2、增加维度
>>> x = torch.tensor([1, 2, 3, 4])
>>> torch.unsqueeze(x, 0)
tensor([[ 1, 2, 3, 4]])
>>> torch.unsqueeze(x, 1)
tensor([[ 1],
[ 2],
[ 3],
[ 4]])
3、可视化tensorboardX
pip install tensorboard
pip install tensorboardX
文章介绍了如何在PyTorch中对不同网络层设置不同的学习率,例如只对第一层卷积应用权重衰减。同时展示了如何使用torch.unsqueeze函数增加张量的维度。此外,提到了利用tensorboardX进行训练过程的可视化,这需要安装tensorboard和tensorboardX库。
829

被折叠的 条评论
为什么被折叠?



