bettle_king的博客

笔记

来可视化这些事件文件，以便更好地理解模型的训练和评估过程。文件通常存储训练过程中的事件和摘要数据的文件。文件的目录，并运行以下命令来启动。在命令行中，导航到包含。

上图的结果其实是和第一张图的结果是一样的(这里数值有改动但是输出的数的位置是一摸一样的)。通常用于表示省略一系列维度，而不是指定具体的维度索引。上图中的倒数第二个例子很难理解，其他的话就很好理解。上图的结果也是后面的几个。

从上图可以看到，下面那种就是Python列表推导式可以很简洁的给一个列表赋值。用Python列表推导式给二维的列表赋值。

我们创建了一个包含了从 0 到 9 的整数的张量 x。然后，我们创建了一个 bool 类型的张量 bool_indices，其中对应位置为 True 的元素表示选择该位置的元素，而 False 表示不选择。最后，我们使用 bool_indices 张量作为索引来选择 x 中对应位置为 True 的元素，并将结果保存在 selected_elements 中。

第一个是选取张量中大于100的数字，第二个是根据自己定义的mask张量来选取对应位置为True的张量的数值。假设我们有一个一维张量a和另一个整数张量index，我们可以使用index来从a中选择元素。使用布尔张量进行索引，这通常用于根据某些条件选择元素。

在训练时，该层计算每次输入的均值与方差，并进行移动平均。ceil_mode - 如果等于 True，计算输出信号大小的时候，会使用向上取整，代替默认的向下取整的操作。ceil_mode - 如果等于 True，计算输出信号大小的时候，会使用向上取整，代替默认的向下取整的。ceil_mode - 如果等于 True，计算输出信号大小的时候，会使用向上取整，代替默认的向下取整的。ceil_mode - 如果等于 True，计算输出信号大小的时候，会使用向上取整，代替默认的向下取整的。

【代码】判断是否安装了cuda和cuDNN。

permute(dims)，将 tensor 的维度换位。

官网:https://docs.dgl.ai/tutorials/blitz/2_dglgraph.html。

【代码】dgl中的dgl.DGLGraph.ndata¶和dgl.DGLGraph.edata。

【代码】检查GPU版本的Pytorch安装是否成功。

参考文章：https://blog.youkuaiyun.com/Robin_Pi/article/details/115004870。

笔记

【代码】conda从本地安装包。

enumerate()主要用来便利列表

官网地址: https://pytorch.org/docs/stable/generated/torch.nn.Dropout.html。

官网：https://pytorch.org/docs/stable/generated/torch.ao.nn.quantized.functional.leaky_relu.html#leaky-relu。

官网：https://pytorch.org/docs/stable/generated/torch.nn.AdaptiveAvgPool2d.html#torch.nn.AdaptiveAvgPool2d。

官网:https://pytorch.org/docs/stable/nn.init.html#torch.nn.init.kaiming_uniform_对张量 w 进行 Kaiming 均匀初始化，使得其适合用于具有 ReLU 激活函数的神经网络。

官网地址: https://pytorch.org/docs/stable/generated/torch.nn.AdaptiveAvgPool1d.html#torch.nn.AdaptiveAvgPool1d。

官网:https://pytorch.org/docs/stable/generated/torch.nn.ModuleList.html#torch.nn.ModuleList。

官网:https://pytorch.org/docs/stable/generated/torch.nn.Conv2d.html。

官网: https://pytorch.org/docs/stable/generated/torch.nn.LeakyReLU.html#torch.nn.LeakyReLU。

笔记

ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170910369016800182121817%2522%252C%2522scm%2522%253A%252220140713.130102334…官网：https://pytorch.org/docs/stable/generated/torch.nn.Linear.html#torch.nn.Linear。

官网：https://pytorch.org/docs/stable/generated/torch.nn.BatchNorm1d.html#torch.nn.BatchNorm1d。一维批标准化层，可以用于神经网络中的卷积层或全连接层，有助于加速模型训练并提高模型的泛化能力。

第一种，需要定义一个实例然后再使用。第二种，可以直接使用。

官网地址:https://pytorch.org/docs/stable/generated/torch.nn.functional.max_pool2d.html。可以看到这里的移动的步长默认是卷积核的大小。