qq_44761480的博客

pytorch函数详解在typora这里写之后复制到简书上1. torchvision1.1 transforms.Compose(transforms)把几个转换组合example:from PIL import Imaget_tran = []t_tran.append(transforms.Resize(image_size)) # 64t_tran.append(transforms.CenterCrop(image_size))img = Image.open(dat

2. 分布式gpu两种方法，第一是 nn.DataParallel 使用简单，第二是 torch.distributed，推荐使用第二个。注意：自己定义的模型属性方法，并行化后无法使用，torch.distributed 使用 model = model.module 即可解决，但是 nn.DataParallel 使用之后就会变成非并行。os.environ[‘CUDA_VISIBLE_DEVICES’] = ‘2,3’ 需要放到第一次使用 torch 之前，否则不会起作用。torch.dis

今天想使用K折方法进行训练，发现 pytorch dataloader 中没有需要的一键操作的代码，我自己写了一个。首先得到数据量，然后使用 sklearn.model_selection 的 KFold 方法划分数据索引，最后使用 torch.utils.data.dataset.Subset 方法得到划分后的子数据集。代码思路如下。import torchfrom sklearn.model_selection import KFolddata_induce = np.arange(0, da

visualizingPyTorch integrates with TensorBoard, a tool designed for visualizing the results of neural network training runs.In this tutorial, we’ll learn how to:Read in data and with appropriate t...

建立CNN模型1.import 相关模组sequentialConv2DMaxPooling2DDropout2. 用Sequential开始建模3. convolution and pooling3.1 卷积层一个滤镜（矩阵），把本来的图片进行转换，转换之后可以代表之前的一些特征。（放大本来的特征）3.2 池化层精简一点？Conv2d 和 pooling 交替使用r...

import torchx = torch.randn(2,1,7,3)conv = torch.nn.conv2d(1,8,(2,3))res = conv(x)print(res.shape) # shape = (2, 8, 6, 1)输入x[ batch_size, channels, height_1, width_1 ]batch_size 一个batch中...

文章目录Pytorch: optimPytorch: 自定义 nn ModulesPytorch: optim这一次我们不用手动更新model的weights，而是使用optim这个包来帮助我们更新参数。optim这个package提供了各种不同的model优化方法，包括SGD+momentum，RMSProp，Adamimport torchN, D_in, H, D_out = 6...