sinat_36197913的博客

torch.clamptorch.clamp(input, min, max, out=None) → Tensor将输入input张量每个元素的夹紧到区间 [min,max]，并返回结果到一个新张量。操作定义如下： | min, if x_i < miny_i = | x_i, if min <= x_i <= max | max, if x_i > max参数：input (Tensor) – 输入张量min (Number) – 限制

tensor.expand和tensor.expand_as函数tensor.expend()函数tensor.expand_as()函数参考博客tensor.expend()函数expand()函数括号里面为变形后的size大小，而且原来的tensor和tensor.expand()是不共享内存的。>>> import torch>>> a=torch...

nn.Module一些常用的模块nn.ReflectionPad2d()nn.Conv2d()参考博客nn.ReflectionPad2d()ReflectionPad2d 是paddingLayer，padding的方式多种，可以是指定一个值，也可以是不规则方式，即给出一个四元组input = torch.randn(64, 3, 220, 220) # input size # 4-...

图像处理--transforms图像处理、转不同格式显示transforms.Compose归一化到[-1.0, 1.0]参考博客图像处理、转不同格式显示import torchimport torchvisionimport torchvision.transforms as transformsimport cv2import numpy as npfrom PIL import...

squeeze和unsqueeze函数unsqueeze()函数squeeze()函数参考博客unsqueeze()函数首先初始化一个a，可以看出a的维度为（2，3）。在第二维增加一个维度，使其维度变为（2，1，3）。同样如果需要在倒数第二个维度上增加一个维度，那么使用b.unsqueeze(-2)。squeeze()函数首先得到一个维度为（1，2，3）的tensor。由图中可以看出...

Module里的children与modules的区别概述以代码为例参考博客概述children()与modules()都是返回网络模型里的组成元素，但是children()返回的是最外层的元素，modules()返回的是所有的元素，包括不同级别的子元素。以代码为例import torchfrom torch import nn# hyper parametersin_dim=1...

数据结构列表元组集合字典列表# 添加元素a.append()# 将数据插入到列表中的某个位置。在0处插入1a.insert(0, 1)# 返回列表中某元素s的数量a.count(s)# 移除列表中的指定值sa.remove(s)# 反转列表a.reverse()# 将一个列表中的所有元素添加到另一个列表的末尾a.extend(b)# 排序a.sort()# 使用de...

PytorchPytorch基础TensorAutograd: 自动微分神经网络定义网络损失函数Pytorch基础Tensor获取Tensor的形状：.size()。print (x.size()) # torch.Size是tuple对象的子类，因此它支持tuple的所有操作，如x.size()[0]x.size()[0] , x.size(1)加法：函数名后面带下画线_的...

神经网络工具箱nnModuleList 和 Sequentialnn.Module 和 nn.fuctional保存模型和加载模型ModuleList 和 Sequential每次都写复杂的forward函数会有些麻烦，在此就有两种简化方式，ModuleList和Sequential。其中Sequential是一个特殊的Module，它包含几个子module，前向传播时会将输入一层接一层地传递...

Tensor和autogradTensor几乎所有的深度学习框架背后的设计核心都是张量和计算图， PyTorch 也不例外。Tensor使用Tensor函数新建tensor是最复杂多变的方式，它既可以接收一个list，并根据list的数据新建tensor ，也能根据指定的形状新建tensor，还能传入其他的tensor。除了tensor.size()，还可以利用tensor.shape直接查...