qq_42262610的博客

import torchimport torchvisionimport argparseimport torch.nn as nnimport torch.nn.functional as Fimport torch.optim as optimfrom torchvision import datasets, transforms, modelsimport torch.utils.model_zoo as model_zooimport math__all__ = ['ResNe.

Pytorch中的Tensor常用的类型转换函数 tensor数据类型转换 在tensor的后面添加: .int()、.float()、.double()等. 同时也可以使用 .to(type) 进行实现。 同时也可以使用 type()函数 ,data为Tensor数据类型，data.type()为给出data的类型，如果使用data.type(torch.FloatTensor)则强制转换为torch.FloatTensor类型张量。当你不知道要转换为什么类型时，但需要求...

pytorch中自带几种常用的深度学习网络预训练模型，torchvision.models包中包含alexnet、densenet、inception、resnet、squeezenet、vgg等常用网络结构，并且提供了预训练模型，可通过调用来读取网络结构和预训练模型（模型参数）。往往为了加快学习进度，训练的初期直接加载pretrain模型中预先训练好的参数。加载model如下所示：import torchvision.models as models1.加载网络结构和预训练参数：resnet34

1. self = 对象自身2. 对象拥有的方法和属性，我们在对象内部都可以通过self.来进行访问，所以self就是对象自身。3. 定义类的时候并不是所有方法都需要传入self参数，只要你想在这个方法内部操作对象的时候才需要传入self。...

在进行深度学习的训练和测试时，所用的代码有的需要GPU计算，但当需要将代码部署在没有GPU的云端服务器或者自己本地电脑上运行时，就需要将GPU代码转换为CPU代码，修改代码的位置大概如下：1.此时可以在代码开头添加如下代码获取当前计算机是否有GPUdevice = torch.device("cuda" if torch.cuda.is_available() else "cpu")print(device) #cpu2.然后在代码中用 .to(device)或者.cpu()替换.cuda(