路过人间，一叶知秋

报错python报错：_C.cpython-36m-x86_64-linux-gnu.so: undefined symbol: _ZN3c104impl23ExcludeDispatchKeyGuardC1ENS_11DispatchKeyEImportError: /usr/local/lib/python3.6/dist-packages/pytorch3d/_C.cpython-36m-x86_64-linux-gnu.so: undefined symbol: _ZN3c104impl23

conda activate报错File C:\Users\admin\Documents\WindowsPowerShell\profile.ps1 cannot be loaded because running scripts is disabled on this system.解决方法参考stackoverflow的解答步骤如下：使用管理员模式打开powershell。如果你不知道如何以管理员方式打开，可以按下win+r，然后输入powershell，然后按下Ctrl+Shift+En

可视化Pytorch、Tensorflow、Keras深度神经网络结构  本文我们使用三种方式对神经网络结果进行可视化，其中Netron工具适用范围最广，基本可用于大部分主流框架；hiddenlayer工具包适用与Pytorch、Tensorflow、Keras框架；而pytorchviz工具包只适用于Pytorch。（链接都指向github库）  本文以Pytorch框架下的resnet34为例进行可视化，只是做简单说明，如果使用的是Tensorflow或者Keras可以使用hiddenlayer，因

本文代码地址https://github.com/njulhy/funny_code/blob/main/cnn_visualization.ipynb文章目录CNN特征提取结果可视化——hooks简单应用Hooks简单介绍CNN特征提取的简单可视化创建CNN特征提取器创建保存hook内容的对象为卷积层注册hook读取图像并进行特整体提取查看卷积层特征提取效果查看卷积层数可视化第一个卷积层可视化第二、七个卷积层可视化第16个卷积层结语CNN特征提取结果可视化——hooks简单应用在神经网络搭建时可能出

原因之一如果读取了训练好的神经网络模型，但是读出来一看，精度很低，可能是你在重新测试的时候没有将模型设置为eval模式解决在进行测试前将模型设置为eval模式，具体的做法为# now you have a model and loaded pretrained state dictmodel.eval()with torch.no_grad(): # torch.no_grad()是一个上下文管理器 for batch in testloader: ...eval模式

错误RuntimeError: Error(s) in loading state_dict for ResNet:Missing key(s) in state_dict:Missing key(s) in state_dict: “conv1.weight”, “bn1.weight”,Unexpected key(s) in state_dict: “module.conv1.weight”, “module.bn1.weight”原因在训练模型的时候使用了torch.nn.DataP

文章目录损失函数的函数实现和类实现原因浅见损失函数的函数实现和类实现  许多PyTorch的损失函数同时在nn.modules.loss和nn.functional中实现，这是为什么呢？举个例子>>>import torch>>>loss_func1 = torch.nn.modules.loss.MSELoss()>>>loss_func2 = torch.nn.functional.mse_loss>>>loss_fun

torch中的dim和numpy中的axis是一个东西，通过理解axis来理解dim，一举两得。

文章目录PyTorch Tensor创建、cpu/gpu/数据类型指定torch的默认数据类型和设备torch设置默认数据类型和设备Tensor创建的多种方法torch.tensortorch.arange和torch.linspacetorch.zeros、torch.ones、torch.randntorch.as_tensortorch.as_stridedPyTorch Tensor创建、cpu/gpu/数据类型指定无论如何，请多注意数据类型和设备指定，避免不必要的错误。torch的默认数据类

写在开头小知识使用 cuda 编程的大致图谱名词解释从驱动到 cudnn 之全套安装查看你的cpu安装显卡驱动安装 CUDA Toolkit使用 cuDNN安装 pytorch安装 tensorflow源码安装 tensorflow[详见官方文档 （这部分写废了，且实在没什么必要）]安装 bazel 和 msys2设置环境变量编译安装写在开头  cuda 各个版本的官方的安装指导，官方文档涵盖了 cuda8.0 到最新版本的安装指导。小知识  ..

问题描述  在使用《动手学深度学习》中导入包的时候有一个包torchtext导入出现了问题，原来是没有装。但是直接使用conda install存在无法安装的情况，这时候需要指定channel问题解决：手动指定channel方法一：使用conda cloud给出的channel，github的pytorch库也推荐了这个channel，建议去github了解一下，还详细说明了版本等其他问题。conda install -c pytorch torchtext方法二：（有网友推荐这个channel