小膜仙的博客

作用：返回一个新的张量，这个张量与原来的张量具有相同的数据，但是形状却可能不同。因此经常被用来变换形状，在写前向传播函数时经常遇到。 简单的例子： >>> x = torch.randn(4, 4) >>> x.size() torch.Size([4, 4]) >>> y = x.view(16) >>> y.size() ...

import torchvision.models as models vgg16featuremap = models.vgg16_bn(pretrained=True).features print(vgg16featuremap) print('*'*50) model = models.vgg16_bn(pretrained=True) print(model) 结果： /home/w...

https://blog.youkuaiyun.com/u014264373/article/details/85332181 看起来没那么简单。明天解决吧。

RuntimeError: Error(s) in loading state_dict for ResNet: Missing key(s) in state_dict: "conv1.weight", "bn1.running_var", "bn1.running_mean", "bn1.bias", "bn1.weight", "layer1.0.conv1.weight", "layer...

先参考一下这篇博客：https://www.jianshu.com/p/bf4a2082014f 我觉得可行！就应该使用softmax啊。

要做好图像分类，需要有一下几个步骤。 1.使用torchvision载入cfar-10的数据 2.定义卷及神经网络 3.定义损失函数 4.在训练集上完成训练 5.在测试集上完成测试 挺简单的，照着tutorail做就好。 不过里面缺少许多东西，比如，如何保存训练好的模型，如何利用与训练好的模型进行finetuning，如何利用自己的jpg格式的数据集做训练等等。这个还得深入了解一下。 ...

这个开源深度学习框架更新的快，里面的资源多一些。 为了毕设的进度，就开始学习这个框架吧。 0.简介在pytorch tutorial 中有非常详细的教程，咱们就跟着这上面学习了。添加了一些特性，能够让我们使用notebook和Google clab。而且可以把turorial下载下来。也有一些高级教程，例如图像分类，非监督学习，强化学习和机器翻译等。可以再doc中找到pytorch的api 和层的...

今天遇到一个问题，就是，首先导入自己训练好的模型。然后导入需要测试的数据，但是，在我选择对测试数据的shuffle选项，选择False时预测精度非常低，选择True时精度正常，但是即使是选择True，每次预测的精度都不一样。这到底是为什么啊？！ ...

首先需要会一点点Python字典的知识，可以参考菜鸟教程注意一下人家字典的元素调用方式。 然后对着代码分析就可以了。 上代码 # 这里就运用了字典结构。分为两部分train和val，各自的内容用“：”加到后面。然后两 #部分之间会用一个小逗号“，”隔开。当然冒号后面代表的是分别给train和val数据集的操作 #就比如给train先后进行随机裁剪，转换成Tensor向量，然后进行规范化操作，这三个...

torch.autograd能够为类和函数提供自动求导。要使用它，只需要声明需要计算梯度的张量，加上requires_grad=True即可 Variable-在pytorch 1.0版本中已经不赞成使用了，它对自动求导已经不是必须的了，只需要自动加上requires_grad=True就能自动求导了。 有如下几个不同： ①Variable(tensor) 和 Variable(tensor, r...