pytorch

1.Pytorch查看网络结构

from torchsummary import summary
 
device = torch.device("cuda" if torch.cuda.is_available() else "cpu") 
model = models.resnet18().to(device) 
summary(model, (3,256,256))

注意：以上三种方法在处理输出为tuple时（如：LSTM），会有BUG

pytorch 踩坑之'tuple' object has no attribute 'size'

解决方法：

安装最新的版本：pip install torch-summary

 

2. Tensor 与 Numpy 之间的相互转换

#from_numpy()与numpy() 是共享内存的，转换速度较快
a.numpy(b)
c = torch.from_numpy()

#不共享内存
e = torch.tensor(d)

#把tensor和numpy的数转化为int，float等类型
a[1].item()

 

 

1. Input type (torch.cuda.FloatTensor) and weight type (torch.FloatTensor) should be the same

错误内容大概就是指输入类型是CPU（torch.FloatTensor），而参数类型是GPU（torch.cuda.FloatTensor）

 

错误记录：

1. cuda out of memeory

1）torch.atan(w/h)，当h>>w时，w/h->0, 出现无限大的数（inf），导致显存溢出
解决办法：
torch.atan(w/h) => torch.atan(torch.exp(w)/torch.exp(h))
2）当w过大时，torch.exp(w) 也可能为 inf，导致显存溢出
解决办法：
对输入的像素坐标，进行torch.sigmod()
3) 当两个变量的形状不一样时，引发显存溢出
IoU.shape = (110484,1)    #
v.shape = (110484)        #

最终版本：
 v = (4 / (math.pi ** 2)) * torch.pow((torch.atan(w_gt / h_gt) - torch.unsqueeze(torch.atan(w_pre / h_pre),1)), 2)