lifeplayer_的博客

关于不同Tensor类型的差异在pytorch中，我们处理的变量都属于Tensor,而在官方文档中，tensor有多个类型可选。但实际上，我们最常用的还是FloatTensor和LongTensor。下面我们就来简要介绍这两类tensor的使用。在定义tensor时，如果你不指定具体类型，那tensor变量为默认类型，torch.FloatTensor。对于tensor之间的操作，规则是严格的。要求操作的两个张量必须具有相同的数据类型，否则程序会报错。再举一个例子，像 CrossEntropyL

理解torch.scatter_()官方文档scatter_(dim, index, src): 将src中所有的值分散到self 中，填法是按照index中所指示的索引来填入。dim用来指定index进行映射的维度，其他维度则保持不变。Note: src可以是一个scalar。在这种情况下，该函数的操作是根据index来散布单个值。当dim=0dim=0，意味着在src按照index行索引的指示来进行散射，换言之，src的j列按照index的j列中的值散射到self的j列中。（表述还是很绕，

pytorch模型加载基本的情形：一、单卡训练好的模型文件，推理阶段的加载（即加载模型文件和model定义的是一致的）state_dict = torch.load('checkpoint.pth.tar')Mymodel.load_state_dict(state_dict)二、多gpu训练保存的模型，在单卡情况下加载当出现以第一种的写法会有问题时，自然的就需要检查Mymodel和要加载的模型文件的差异# 打印你自己定义的模型的键值对params = Mymodel.state_dict