qq_44930937的博客

问题原因转换的对象为int整型的数字，此时转换成张量会发生数值溢出，因为内存机制所出现的问题解决方法np.array(x,dtype = np.float32)后在进行相应的张量转换即可

这个问题有可能是程序里面出了问题，程序里有bug，本次原因为random.seed =10000改为random.seed(10000)程序就不报错了

前言在pytorch中，模型的保存和加载是一个比较麻烦的点，因为Pytorch保存模型的pkl格式中仅能记住每一层对应的参数，以及对应的模型结构所保存的位置也即是class所存放的位置，假如class位置改变的话，那么模型加载的时候就会报很多错误，大概的意思就是类存放的位置发生了改变。那么如何改变这一现状呢？首先对于模型的重新加载和训练，我们可以使用pkl文件格式来进行，因为这一阶段的话并不涉及到模型结构存储文件的转移。但是到了推理部署阶段的时候，我们就必须把模型的结构以及权重保存下来，否则会给我们后面

前言权重如何初始化关系到模型的训练能否快速收敛，这对于模型能否减少训练时间也至关重要。下面以两个卷积层和一个全连接层的权重初始化为例子，两个代码都只运行一个epoch，来进行对照实验。注意使用GPU训练时候，模型的初始化要设置保存梯度，否则返回的梯度就是0了未对权重归一化的结果代码import torchUSE_GPU = Truedtype = torch.float32 # we will be using float throughout this tutorialif USE_G