- 博客(3)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 深度学习笔记（3）-pytorch模型训练流程&实现小GPU显存跑大Batchsize
近期在进行pytorch模型的训练，对pytorch的流程进行一次简单梳理，作为笔记。此外，训练时由于GPU内存有限，数据的Batchsize一般只能到2，而相关资料显示较大的Batchsize有利于提高模型训练效果，故经查阅资料，找到通过修改pytoch训练流程的方式来等效增大Batchsize。 一、pytorch模型训练流程 在用pytorch训练模型时，通常会在遍历epochs的过程中依次用到optimizer.zero_grad(),loss.backward()和optimizer.step.
2021-11-24 22:39:31
2322
1
原创 深度学习笔记-遥感影像转为tensor前的检查及线性拉伸
深度学习笔记-遥感影像转为tensor前的检查及线性拉伸前言-为什么要做线性拉伸一、transforms.ToTensor二、线性拉伸总结 前言-为什么要做线性拉伸 近期在开展语义分割任务，用到的数据是经过SNAP预处理的Sentinel-1的SAR数据。工作需要将相关的Image和label送入模型，进行目标地物的分割。 这里用到的深度学习框架是pytorch，需要将影像数据转换为tensor后送入model。转换为tensor之前，需要对image和label的存储格式进行检查。为什么呢？这里就需要知
2021-07-27 16:14:18
1279
1
原创 深度学习笔记 - FCN模型与上采样（Upsampling）
目录 1. FCN模型 2. 上采样 2.1 双线性插值上采样（今天不做重点介绍） 2.2 反卷积上采样 （1）数学理解 （2）动态过程理解 2.3 反池化上采样 引言：在FCN、U-net等网络结构中，涉及到了上采样。上采样概念：上采样指的是任何可以让图像变成更高分辨率的技术。 发现了几个较好的教程帮助理解FCN和上采样： （1）教程1：FCN详解与pytorch简单实现；反卷积的数学理解 （2）教程2：3种上采样方法（反卷积，上池化，线性插值） 1. FCN模型 CNN与FC
2021-01-07 21:51:17
3114
MODIS海温数据netcdf转tif格式程序
2020-10-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人