FY_2018的博客

无

无

无

希望将训练好的模型加载到新的网络上。如上面题目所描述的，PyTorch在加载之前保存的模型参数的时候，遇到了问题。Unexpected key(s) in state_dict: "module.features. ...".，Expected ".features....". 直接原因是key值名字不对应。 表明了加载过程中，期望获得的key值为feature...，而不是module.features....。这是由模型保存过程中导致的，模型应该是在DataParallel模式下面，也就是..

1. 库import seaborn as sns2.使用方法：sns.heatmap(pd.DataFrame(np.round(a,2)), annot=True, vmax=vmax,vmin = vmin, xticklabels= True, yticklabels= True, square=True, cmap="YlGnBu")参数说明：seaborn.heatmap — seaborn 0.11.2 documentation3. 关闭科学计算法sns.heat.

模型在默认情况下是train模型，所以model.training为True 模型在eval情况下，model.training为False#-*- coding:utf-8 -*-#Author LJB Create on 2021/8/27# -*- coding: utf-8 -*-import torchfrom torch.autograd import Variableimport torch.optim as optimx = Variable(torch.FloatTen

1.默认所有元素求和，得到一个值，如sum_d1，keepdims=True时，如sum_d1_2.在指定维上求和，如sum_d2在第1维上求和（对于两维数据，第1维即列上求和）；如sum_d3在第0维上求和（对于两维数据，第0维即行上求和）3.reduce_mean道理是一样的，但是求均值的import tensorflow as tfd = tf.constant([[1,2,3],[4,5,6]])sum_d1 = tf.reduce_sum(d)sum_d1_ =...

一、矩阵对应位置元素相乘：*所以要求相乘的两个矩阵必须形状相同。a = tf.constant([[1,2],[3,4]])b = tf.constant([[10,20],[30,40]])c =a *bwith tf.Session() as sess: print(sess.run(c))二、矩阵乘法：tf.matmul()两个矩阵乘法 C = tf.matmul(A,B)A的形状为m*n,B的形状为n*k,所以C的形状为m*k.a = t...

本篇文章将要总结下Pytorch常用的一些张量操作，并说明其作用，接着使用这些操作实现归一化操作的算法，如BN,GN,LN,IN等！常用的张量操作cat对数据沿着某一维度进行拼接，cat后的总维度数不变，需要注意两个张量进行cat时某一维的维数要相同，否则会报错！import torchx = torch.randn(2,3)y = torch.randn(1,3)torch.cat((x, y), 0) # 维度为(3, 3)z = torch.randn(1, 4)tor

前言深度学习涉及很多向量或多矩阵运算，如矩阵相乘、矩阵相加、矩阵-向量乘法等。深层模型的算法，如BP，Auto-Encoder，CNN等，都可以写成矩阵运算的形式，无须写成循环运算。然而，在单核CPU上执行时，矩阵运算会被展开成循环的形式，本质上还是串行执行。GPU（Graphic Process Units，图形处理器）的众核体系结构包含几千个流处理器，可将矩阵运算并行化执行，大幅缩短计算时间。随着NVIDIA、AMD等公司不断推进其GPU的大规模并行架构，面向通用计算的GPU已成为加速可并行应用程序

简介为了更好地理解 pytorch 的 CrossEntropyLoss，于是打算进行简单的实现。官方文档：https://pytorch.org/docs/stable/nn.html?highlight=crossentropyloss#torch.nn.CrossEntropyLoss官网 loss 的公式：x 的维度是 (batch_size, C)class 的维度是 (batch_size)(这里的 C 是分类的个数）import numpy as n..

通过按index中给定的顺序 选择索引，用val值填充 自己（自张量）的元素。dim（int）–索引所依据的维度index（LongTensor）–要填充的自张量的索引val（浮点数）–要填充的值import torcha = torch.randn(4, 3)print(a)# tensor([[-1.7189, 0.9798, -0.0428],# [ 0.7184, -0.2824, -1.0289],# [ 1.2858, 0.8423,

本文讲解了pytorch中contiguous的含义、定义、实现，以及contiguous存在的原因，非contiguous时的解决办法。并对比了numpy中的contiguous。contiguous本身是形容词，表示连续的，关于contiguous，PyTorch 提供了is_contiguous、contiguous(形容词动用)两个方法 ，分别用于判定Tensor是否是contiguous的，以及保证Tensor是contiguous的。PyTorch中的is_contiguous是...

# -*- coding: utf-8 -*-import numpy as npimport pandas as pdfrom pandas import *from numpy import *data = DataFrame(np.arange(16).reshape(4,4),index = list("ABCD"),columns=list('wxyz'))print dataprint data[0:2] #取前两行数据print'+++++++++++++'...

1. 简介哈希（hash）也翻译作散列。Hash算法，是将一个不定长的输入，通过散列函数变换成一个定长的输出，即散列值。这种散列变换是一种单向运算，具有不可逆性即不能根据散列值还原出输入信息，因此严格意义上讲Hash算法是一种消息摘要算法，不是一种加密算法。常见的hash算法有：SM3、MD5、SHA-1等。2. 应用Hash主要应用在数据结构以及密码学领域。在不同的应用场景下，hash函数的选择也会有所侧重。比如在管理数据结构时，主要要考虑运算的快速性，并且要保证hash均匀分布；而应用.

https://blog.youkuaiyun.com/u012842630/article/details/85726870

第一步：解压tar.gz第二步：运行解压之后的setup.py文件python setup.py install完成安装这种安装方法不会自动下载依赖文件，所以安装过程中如果遇到缺少依赖文件，需自行下载安装

错误：FileNotFoundError: [Errno 2] No such file or directory: 'c:\\programfiles\\anaconda3\\envs\\py37\\lib\\site-packages\\h5py-2.10.0.dist-info\\METADATA'解决方法：1. 打开路径：c:\\programfiles\\anaconda3\\envs\\py37\\lib\\site-packages2. 然后将如图中两个文件夹删掉即可.

对于分类问题，为了直观表示各类别分类的准确性，一般使用混淆矩阵M.混淆矩阵M的每一行代表每个真实类（GT），每一列表示预测的类。即：Mij表示GroundTruth类别为i的所有数据中被预测为类别j的数目。这里给出两种方法画混淆矩阵。方法一：这里采用画图像的办法，绘制混淆矩阵的表示图。颜色越深，值越大。# -*- coding: utf-8 -*-# By Changxu Cheng, HUST from __future__ import divisionimport nump.

使用Matplotlib绘制的图表的默认坐标轴是在左下角的，这样对于一些函数的显示不是非常方便，要改变坐标轴的默认显示方式主要要使用gca()方法plt.gca()表示 Get current axis，使用这个方法我们可以获得整张图表的坐标对象，这样我们就可以对坐标进行处理了，像移动位置，设置颜色之类的，类似plt.gcf()这个是 Get current figure 即获得当前图表的图像，对图像进行处理。我们可以定义一个变量接收这个值：ax = plt.gca()接下来还要了解一个方

循环神经网络（Recurrent Neural Networks）人对一个问题的思考不会完全从头开始。比如你在阅读本片文章的时，你会根据之前理解过的信息来理解下面看到的文字。在理解当前文字的时候，你并不会忘记之前看过的文字，从头思考当前文字的含义。传统的神经网络并不能做到这一点，这是在对这种序列信息（如语音）进行预测时的一个缺点。比如你想对电影中的每个片段去做事件分类，传统的神经网络是很难通过利用前面的事件信息来对后面事件进行分类。而循环神经网络（下面简称RNNs）可以通过不停的将信息循环操作，

https://www.cnblogs.com/Jabe/p/8878153.html

1、复制一行ctrl+D2、删除一行ctrl+Y3、从一行任意位置换行shift+Enter4、批量注释与取消注释ctrl+/5、代码折叠ctrl与'-'组合：折叠当前代码块ctrl+shitf+'-'：折叠所有代码块6、代码折叠打开ctrl+'+'ctrl+shift+'+'...

在Father类中有两个变量: num是类变量，d是实例变量。因此在num可以通过类名进行访问，而d不能通过类名访问，但可以通过实例访问d（self是代表类的实例化，因此是可以通过self访问d的）class Father(): num = 100 #类变量 def __init__(self): self.d = 10 #实例变量class Son(...

if 1: print('+'*30) #类的继承 class GrandFather(): def __init__(self): print('GrandFather init!') def gf_test(self): print('grandfather here!') cla...

总的感觉，python本身并没有对二进制进行支持，不过提供了一个模块来弥补，就是struct模块。python没有二进制类型，但可以存储二进制类型的数据，就是用string字符串类型来存储二进制数据，这也没关系，因为string是以1个字节为单位的。import structa=12.34#将a变为二进制bytes=struct.pack('i',a)此时bytes就...

有一系列的python爬虫的教程，可参考以下链接https://blog.youkuaiyun.com/weixin_31315135/article/details/88685444

python清空列表的方法1。大数据量的list，要进行局部元素删除，尽量避免用del随机删除，非常影响性能，如果删除量很大，不如直接新建list，然后用下面的方法释放清空旧list。2。对于一般性数据量超大的list，快速清空释放内存，可直接用 a = [] 来释放。其中a为list。3。对于作为函数参数的list，用上面的方法是不行的，因为函数执行完后，list长度是不变的，但是可...

方法一 : 利用函数 os.walk()os.walk() 会返回三元元组 (dirpath, dirnames, filenames)dirpath : 根路径 (字符串)dirnames : 路径下的所有目录名 (列表)filenames : 路径下的所有非目录文件名 (列表)其中目录名和文件名都是没有加上根路径的，所以需要完整路径时需要将目录名或文件名与根路径连接起来。示例 :...

本文的操作是将可联网主机（源主机）上创建的python环境，包括该环境下的库移植到不可联网主机（目标主机）上。本文中源主机和目的主机都使用Ubuntu16.04LTS1. 在源主机上安装vmware2. 在源主机上的vmware上安装一个目标主机一样的系统（在vmware上安装的系统称为虚拟机），也可以不完全一样，两个系统能兼容即可3. 在源主机虚拟机上安装Anconda（Anacon...