Einstellung的博客

如果你用Pytorch定义的网络结构太过于灵活，那么转成ONNX的时候很有可能出错。这个报错通常情况下是你的网络结构中出现if else 语句。比如 if cfg.CUDA: eps = torch.cuda.FloatTensor(std.size()).normal_() else: eps = torch.Flo...

总览欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑...

引言一般训练神经网络，总是逃不开optimizer.zero_grad之后是loss（后面有的时候还会写forward，看你网络怎么写了）之后是是net.backward之后是optimizer.step的这个过程。real_a, real_b = batch[0].to(device), batch[1].to(device)fake_b = net_g(real_a)optimize...

介绍深度可分离卷积之前首先要先介绍一下分组卷积。分组卷积参考链接[1]已经将分组卷积介绍的比较详细了，这里就不再赘述。原理可以参考一下参考链接。但是这篇文章对于分组卷积的具体代码讲解，感觉不太好。这里对于分组卷积着重介绍一下代码讲解。直接调用torch.nn.Conv2d()就可以实现分组卷积。在Conv2d里面有一个参数叫groups，这个参数是实现这一功能的关键。下面详细解介绍一下这个参...

我们知道，Keras有一个非常有好的功能是summary，可以打印显示网络结构和参数，一目了然。但是，Pytorch本身好像不支持这一点。不过，幸好有一个工具叫torchsummary，可以实现和Keras几乎一样的效果。pip install torchsummary然后我们定义好网络结构之后，就可以用summary来打印显示了。假设我们定义的网络结构是一个叫Generator的类。im...