weixin_43631804的博客

二维矩阵、栈和队列、yaml安装、pytorch分布式

早在之前上NLP的课上，老师就多久强调文字的语义信息，之前一直是模糊的概念，而图像同样也具有这个信息内容，近期为了能想出一些比较好的点子，必须对一些细致的内容进行深刻的理解。得是我们所能看的东西，比如对一张人脸提取低层特征我们可以提取到连的轮廓、鼻子、眼睛之类的，那么高层的特征就显示为一张人脸。高层的特征语义信息比较丰富，但是目标位置比较粗略。图像的低层的特征语义信息比较少，但是目标位置准确；愈深层特征包含的高层语义性愈强、分辨能力也愈强。指的是：轮廓、边缘、颜色、纹理和形状特征。

我在看论文的过程中，发现了大多数作者针对模型刚开始会采用大的学习率，随着epoch或者层数的增加，而不断改变学习率的大小，我就很感兴趣（离全职调参又近了一步）。更新策略：每过step_size个epoch，做一次学习率更新，更新后的学习率为：new_lr = initial_lr *gamma。其中optimizer参数为优化器，需要提前设定，例如：SGD、Adam等。实际输出还是0,1,2,3。无法修改for中i的值。针对resnet101。

因为代码偏弱，我迫切想要针对图像识别各个模块进行进步，kaggle是一个很好的学习代码比赛，里面会分享很多参赛者的思路，甚至有机会可能学习到其代码和具体实现方法！！！这周学习的内容，我找到了一个农作物的识别比赛，但是服务器所需配置貌似很高，到时候我得实验一下看看能否正常运行，在这里我将记录一下作者的一些想法，方便我后期的学习和使用。

在上周我发现我训练的测试集样本都很低，我本以为是输入到的loss出现了问题，后来才发现对于softmax中dim=1我将其设置为0，导致精度，为此我了解了一下参数dim的意义！当 dim=2 或 -1 时，是对某一维度的行进行softmax运算；当 dim=1 时，是对某一维度的列进行softmax运算；相同位置的数值进行softmax运算；当 dim=0 时，是对每一。

在做分类情况中，我只有10分类的情况，所以在最后维度输出也是10，但是最终还是报IndexError: Target 10 is out of bounds。后来查了情况，说是因为标签是从1开始的原因，导致出现了这种情况解决方法:1.改变标签的起始，改成0开始（未尝试）2.将最终的输出维度增加1来测试。.....................

这次是想对excel的数据进行筛选功能，减轻一些数据负担，虽然excel自带了筛选功能，但是一个是需要一次次点击，另外若是存在多个数据，那么就会发现你所做的操作又重复又无聊。

现将其封装成TensorDataset，再将其变成DataLoader。

针对分类网络，最后一层需要进行softmax进行概率转化,最后需要选择出概率最好的点作为分类标准。shape[0]返回行数，shape[1]返回列数。shape[0]针对一维数组或者矩阵，返回其总个数。在网络设置中最后一层维度设置成1。dim=0#针对行计算。dim=1#针对列计算。...........................

这段时间刚刚进入实验室，因为老师给了一台新电脑，作为科研人的首要任务就是需要配置好环境从而更好的对接老师接下来的任务，因为大多数情况使用的框架是pytorch(虽然很多git上使用tensorflow实现的...)，我将根据pycharm（python开发平台）+Anaconda（一堆库的综合包）+pytorch（一种框架）的顺序来搭建我的环境，其中包含了出现的bug和解决方案！参考内容​​​​​​​。..................

一.前言在本次这个模块，我将针对pycharm上使用pyinstaller打包exe文件的过程进行分析，包括一些bug的改正。本次环境是：python 3.8打包的类：matplotlib、numpy、cv2二.pyinstaller安装2.1 pycharm打开Terminal对话框：View->Tool Windows->Terminal2.2 安装pyinstallerpip install pyinstaller2.3 相关参数-F 打包成一个.