linzengmin的博客

torch.cat(z, 0)的结果是维度变成（1，2，9），torch.cat(z, 1)的结果是维度变成（1，6，3），torch.cat(z, 2)的结果是维度变成（3，2，3），是维度上的变化，不是具体元素的数值变化。

预训练当我们想做一个图像分类任务时，我们可以选择别人已经训练好的模型，在它的基础上进行训练。一般地，我们初始化训练一个网络时，会初始化网络参数（随机的），然后不断训练使网络的损失越来越小。过程是没问题的，但是对于一个大型数据集来说，训练一个模型并使它达到较小的损失是一个漫长的过程。因此我们可以在结果很满意的时候保存训练模型的参数，以便下次在训练的时候可以直接在该模型的基础上开始。这个过程就叫预训练。微调用预训练型和自己的数据进行训练，使得参数适应自己的数据，这样一个过程称之为微调。微调可大概分为3种情

按照计划，学习深度学习的第一步是对minist数据集进行分类，选取的网络也是比较简单的网络，主要是为了大概理解一个深度学习网络的框架是怎么样的以及如何从零开始做一深度学习项目。在第一步的基础上，接下来就是需要处理更大难度的数据集以及选取复杂度更大的网络模型。一、数据集这里选择了torchvision.datasets中的CIFAR10数据集，该数据集是torchvision自带的数据集之一，包含了10个类别共10000张图片。数据的加载和使用： transforms = torchvision

想入门深度学习，感觉无从下手，怎么办？除了理论上的学习之外，最快速的方法就是做项目：包括但不限于别人已经做好的项目，导师布置的项目作业，自己接到的项目。做项目的方法是模仿，也就是抄。抄别人的项目，再自己总结：1.这个模块的作用是什么2.这个模块有哪些重要的类和函数3.这些重要的类和函数在哪里调用的，作用是什么4.数据输入输出的格式，为什么要这么用。从mnist分类开始，到经典的RCNN或者YOLO。抄完一遍基本上已经算是能够自己完成一些小项目了。剩下的就是思考怎么涨点的问题了。项目做多了就会发现

minist手写文字数据集是深度学习/机器学习的入门集数据集。通过搭建深度神经网络的方法对minist数据集进行训练和预测，可以对整个深度学习的框架做一个大概的了解。cpu 版本，即数据和模型都在cpu（内存）上训练，不需要调用gpu。# 训练+测试import torchimport torch.nn as nnimport torch.utils.data as Dataimport torchvisionimport matplotlib.pyplot as pltimport o

最近要安装pytorch，发现国内的源和默认源都安装不了。找到了一个离线安装的方法。在 https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/中找到想要下载的源文件，下载到本地。利用conda命令离线安装即可。比如：conda install --offline pytorch-1.1.0-py3.6_cuda90_cudnn7_1.tar.bz2...

直接pip install pycocotools是不行的，要用git，直接在终端输入以下代码，等待漫长的时间后就可以了。pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI

最近利用RCNN训练自己的训练集，在项目中碰到了一些问题，记录比较难搞的错误。之前碰到了这个问题，参考了网上的资料，很多资料说要在setup.py文件中加入下面这段话，但是我重新安装了vs 2015后还是出现了问题。后来查看./lib/utils下面后发现没有bbox.c和bbox.pyx这两个文件，但是有cython_bbox.c和cython_bbox.pyx，尝试性的更改了一下，发现通过...