daideyun的博客

Pytorch 入门学习(检测)定义数据集数据集从标准的类torch.utils.data.Dataset继承，并实现_len_, getitem。唯一要求的特性是数据集__getitem__应该返回：图像：PIL图像大小(H,W)目标：包含以下字段的字典<1> boxes(FloatTensor[N,4])：N边框（bounding boxes）坐标的格式[x0,x1,y...

迁移学习（微调Torchvision模型）两种类型：微调和特征提取微调：从与训练模型开始，更新新任务的所有模型参数，实质上是重新训练整个模型。特征提取：从预训练模型开始，仅更新从中导出预测的最终图层权重。使用预训练的CNN作为固定的特征提取器，并且仅改变输出层。这两种迁移学习方法都遵循如下步骤：初始化与训练模型重组最后一层，使其具有与新数据集类别数相同的输出数为优化算法定义想要在训...

空间变换器网络STN允许神经网络学习如何在输入图像上执行空间变换， 以增强模型的几何不变性。例如，它可以裁剪感兴趣的区域，缩放并校正图像的方向。STN能够将其插入任何现有的CNN，而且只需很少的修改。三个主要组成部分：本地网络（Localisation Network）是常规CNN，其对变换参数进行回归。不会从该数据集中明确地学习转换，而是网络自动学习增强 全局准确性的空间变换。网格生...

主要包含3个类：1、Dataset2、DataLoader3、DataLoaderIter3者关系：1被封装进2,2被封装进3torch.utils.data.Dataset是一个抽象类, 自定义的Dataset需要继承它并且实现两个成员方法:__getitm__() ##读取数据（如图像）__len__() ##返回数据长度def __getitem__(self, in...

torch张量a，a.unsqueeze(dim=k): 对维度k进行扩充;a.squeeze():对数据的唯独进行压缩，去掉维数为1的维度。nn.sequential() :有三种用法：#方法1net1=nn.Sequential()net1.add_module('层名'，层class的实例)#方法2net2 = nn.Sequential(*多个层class的实例)方法3...