- 博客(16)
- 收藏
- 关注
RSS订阅原创 PyTorch学习记录十四——超参数设置
学习率预热是在整个训练流程中对学习率进行动态调整的一个阶段。在开始的 warmup_steps （这里是 500 步）内，学习率从一个较小的值逐渐增加到预设的初始学习率。这个过程是与模型的参数更新同步进行的，也就是在训练的前 500 步中，模型一边更新参数，一边逐渐提升学习率。那么这个较小的值是怎样得到的？在代码实现里，这个较小值通常会在学习率调度器的实现中被设定。
2025-03-06 18:35:44
414
原创 PyTorch学习记录九——随机数
设置随机种子输出结果如下生成的随机数位于[0.0, 1.0)，是53位精度的浮点数。如果不设置随机种子，则每次生成的输出结果不同。如下所示设置一个随机种子print(a)print(b)输出结果如下设置多个随机种子print(a)print(b)输出结果如下此处使用torch.rand()函数作为示例。此函数用于生成具有均匀分布的随机数，这些随机数的范围在[0, 1)间。它接受一个形状参数（shape），返回一个指定形状的张量（tensor）。不设置随机种子。
2025-02-21 11:34:03
836
原创 PyTorch学习记录六——logging
logging是python的一个标准库，是内置模块，直接import不需要安装，提供了通用的日志系统（包含不同级别），用于记录训练过程、监控模型性能、调试代码，方便实验复现和问题分析。主要用来记录&输出以下内容：1.超参数信息2.训练损失（loss,accuracy,gradient notm）3.验证&测试结果4.模型保存信息5.时间&组员消耗6.异常&预警在训练模型时，通常使用logging模块，或者wandb、tensorboard来记录训练过程。
2025-02-20 22:48:02
901
1
原创 PyTorch学习记录七——异常处理
在Pytorch中，异常指的是程序运行时可能出现的错误或异常情况，例如数据类型错误、数组越界、内存错误等。Pytorch提供了一些内置的异常类，我们可以通过try语句捕捉这些异常进行相应的处理。
2025-02-20 22:11:37
567
原创 PyTorch学习记录二——tensorboard
运行上述命令后，TensorBoard会在本地启动一个Web服务，通常默认监听6006端口。命令行启动tensorboard，参数指定的是tensorboard应该读取的日志文件夹路径，从这个文件中读取训练过程中生成的日志文件，从而实现可视化。
2025-02-19 10:58:57
209
原创 关于github desktop的基本提交流程与gitignore的使用
【代码】关于github desktop的基本提交流程与gitignore的使用。
2025-02-17 21:17:39
218
原创 关于MedSAM项目的使用说明
4.模型测试：先使用inference.py对测试集的图像进行操作，得到训练出来的模型预测后的分割结果。在终端中输入wandb login，然后粘贴api key，注意粘贴后是不会显示出来的，直接回车就好。训练完成后得到的模型权重文件.pth不能直接用于推理，需要利用ckpy_convert.py将模型训练出来的权重文件转换为参数对应的另一份.pth文件。3.模型推理：MedSAM_Inference.py以及gui.py只能对单张图像进行推理且无法快速保存分割后的结果，从而无法用于模型测试。
2025-02-15 16:11:29
494
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人