innocent_cat的博客

Tensor.permute()作用：高维转置permute可以对任意高维矩阵进行转置.但没有 torch.permute() 这个调用方式， 只能 Tensor.permute()。 torch.rand(2,3,4,5).permute(3,2,0,1).shape Out: torch.Size([5, 4, 2, 3])Tensor.transpose()...

难点函数名后面带下划线_的函数会修改Tensor本身。例如x.add_(y)和x.t_()会改变x,但是x.add(y)和x.t()会返回一个新的Tensor,而x不变用torch.numpy()和torch.from_numpy()转化后的Tensor和numpy对象共享内存，如果其中一个改变，另一个也会随之改变...

问题：RuntimeError: reduce failed to synchronize: device-side assert triggered

直接在终端中 指定编号为1(默认从0开始)的GPU： CUDA_VISIBLE_DEVICES=1 python xxx.py

交叉熵损失函数：https://blog.youkuaiyun.com/weixin_37567451/article/details/80895309pytorch中实现的交叉熵损失函数：https://blog.youkuaiyun.com/geter_CS/article/details/84857220

transforms的二十二个方法:转载：https://blog.youkuaiyun.com/u011995719/article/details/85107009

torch.clamp(input, min, max, out=None) → Tensor作用：Clamp all elements in input into the range [ min, max ] and return a resulting tensor:解释：clamp是夹子的意思，就是把input中的数据加载min~max的范围内，其中min和max可缺省一个，具体规则如...

CUDA 语义torch.cuda用来设置和运行CUDA操作。它会记录下当前所选的GPU,这样一来，你分配的所有CUDA tensors默认就会创建在默认的设备（cpu或者某个gpu）上。当然默认的设备也可以通过torch.cuda.device内容管理器来进行改变。然而，一旦分配了tensor之后，你不需要考虑你最初所选的设备（cpu或者某个gpu），运算最终的结果一定会跟你的tenso...