摘要：
利用已经训练好的模型，给它提供输入 1 '''完整模型的验证''' 2 import torch 3 import torchvision 4 from PIL import Image 5 from torch import nn 6 7 '''1、就是真实的应用场景：待预测的一张陌生图''' 8 阅读全文
posted @ 2023-02-27 21:14
bokeAR
阅读(153)
评论(0)
推荐(0)
摘要：
2、除了调用.cuda()函数，也可以定义一个设备变量，然后调用.to(设备device)函数将其引到设备上去 还是那三个部分： 网络模型； 数据集； 损失函数 1 '''定义一个训练的设备''' 2 device=torch.device('cpu') 3 #device=torch.device 阅读全文
posted @ 2023-02-27 16:58
bokeAR
阅读(40)
评论(0)
推荐(0)
摘要：
1、使用GPU来训练，找到四个板块的cuda函数，进行调用 1、 只有当cuda可用的时候才把变量引过去，下面调用的时候都一样，但是这样每次都写会很麻烦 2、数据集是不能直接调用cuda函数的 在训练和测试的时候调用 3、损失函数调用cuda 4、如果自己的电脑没有gpu，可以用谷歌的一个网站：Go 阅读全文
posted @ 2023-02-27 16:38
bokeAR
阅读(102)
评论(0)
推荐(0)
摘要：
1、在训练、测试步骤开始的时候 并不是一定要设置训练或者测试模式才能开始训练,如果网络模型中有特殊的层可以调用，但是如果没有，调用也不会出错的。 阅读全文
posted @ 2023-02-27 11:45
bokeAR
阅读(94)
评论(0)
推荐(0)
摘要：
1、其实在没训练完 一轮 之后，可以对它进行一个测试，在测试数据集上跑一遍 以测试集上的损失或者正确率来评估模型是否训练好 2、在测试的过程中不需要进行调优，所以可以用 with torch.no_grad(): #测试步骤： total_test_loss=0 #记录总的损失差 with torc 阅读全文
posted @ 2023-02-27 11:24
bokeAR
阅读(325)
评论(0)
推荐(0)
浙公网安备 33010602011771号