Briwisdom的博客

pytorch训练前将自己的数据处理成模型需要的数据格式，定义自己的数据集都必须继承torch.utils.data的Dataset类，并重写其中三个关键的默认成员函数。使用类 torch.utils.data.Dataset这个类，这个类中有，__init__,__len__,__getitem__。__init__类实例化应用，所以参数项里面最好有数据集的path，或者是数据以及标签保...

pytorch的 model.eval()和model.train()作用pytorch中model.train()和model.eval()的区别主要在于Batch Normalization和Dropout两层。model.eval()：认为停止Batch Normalization的均值和方差统计，否则，即使不训练，因为有输入数据，BN的均值和方差也会改变。Dropout关闭，所有神经元都参与计算。model.train()：Batch Normalization的均值和方...

工作需要把onnx导出文件的流程又梳理了一遍，弄清楚了如何自定义算子，以及导出结果检查。分享一下~

概览：记录了如何自定义一个算子，实现pytorch注册，通过C++编译为库文件供python端调用，并转为onnx文件输出

ONNX简介 ONNX （Open Neural Network Exchange）是一种多框架共用的，开放协议的神经网络交换格式。ONNX使用Protobuf二进制格式来序列化模型。 ONNX协议首先由微软和Meta提出，它定义了一组和环境、平台均无关的标准格式，用于增强各种AI模型的可交互性。没有ONNX模型之前，采用各个框架训练的模型只能通过特定的转换工具进行转换。有了ONNX协议后，无论使用何种框架训练模型，在训练完毕后都可以将这些框架的模型统一转换为ONNX这种统一的格式进行存储。O