随笔分类 - Pytorch
摘要：def setup_seed(seed): torch.manual_seed(seed) torch.cuda.manual_seed_all(seed) np.random.seed(seed) random.seed(seed) torch.backends.cudnn.determinist
阅读全文
摘要：更多的数据往往胜过一个更好的模型。 在物体分类（object recognition）问题中，数据扩增已经成为一项特殊的有效的技术。物体在图像中的位置、姿态、尺度，整体图片敏感度等都不会影响分类结果，所以我们就可以通过图像平移、翻转、缩放、切割等手段将数据库成倍扩充。或者在语音识别（speech r
阅读全文
摘要：以Yeast.npz为例 npz压缩包需要用np.load()调用，返回一个字典 包里的文件如下：
阅读全文
摘要：torch.sum()对输入的tensor数据的某一维度求和，一共两种用法 １．torch.sum(input, dtype=None) ２．torch.sum(input, list: dim, bool: keepdim=False, dtype=None) → Tensor input:输入一
阅读全文
摘要：torch.unsqueeze(input, dim, out=None) 作用：扩展维度 返回一个新的张量，对输入的既定位置插入维度 1 注意： 返回张量与输入张量共享内存，所以改变其中一个的内容会改变另一个。 如果dim为负，则将会被转化dim+input.dim()+1 参数: tensor
阅读全文
摘要：hasattr(object, name) hasattr() 函数用于判断对象是否包含对应的属性。如果对象有该属性返回 True，否则返回 False。
阅读全文
摘要：torch.nn.init.constant(tensor, val) 用val的值填充输入的张量或变量 参数： tensor – n维的torch.Tensor或autograd.Variable val – 用来填充张量的值
阅读全文
摘要：torch.nn.init.uniform(tensor, a=0, b=1) 从均匀分布U(a, b)中生成值，填充输入的张量或变量 参数： tensor - n维的torch.Tensor a - 均匀分布的下界 b - 均匀分布的上界
阅读全文
摘要：torch.nn.init.normal(tensor, mean=0, std=1) 从给定均值和标准差的正态分布N(mean, std)中生成值，填充输入的张量或变量 参数： tensor – n维的torch.Tensor mean – 正态分布的均值 std – 正态分布的标准差
阅读全文
摘要：（1）tensor .data 返回和 x 的相同数据 tensor,而且这个新的tensor和原来的tensor是共用数据的，一者改变，另一者也会跟着改变，而且新分离得到的tensor的require s_grad = False, 即不可求导的。（这一点其实detach是一样的） （2）使用te
阅读全文
摘要：首先可以把这个函数理解为类型转换函数，将一个不可训练的类型Tensor转换成可以训练的类型parameter并将这个parameter绑定到这个module里面(net.parameter()中就有这个绑定的parameter，所以在参数优化的时候可以进行优化的)，所以经过类型转换这个self.v变
阅读全文
摘要：类型转换, 将list ,numpy转化为tensor a = torch.tensor([[1, 2], [3, 4]]) print(torch.FloatTensor(a.size()))
阅读全文
摘要：np.choose(a, choices, out=None, mode='raise')：按照序号a对choices中的数进行选择。 a: index array，其中的数必须是整数 mode=‘raise’，表示a中数必须在[0,n-1]范围内 mode=‘wrap’，a中数可以是任意的整数（s
阅读全文
摘要：首先明确百分位数的概念： 第p个百分位数是这样一个值，它使得至少有p%的数据项小于或等于这个值，且至少有(100-p)%的数据项大于或等于这个值。 举个例子： 高等院校的入学考试成绩经常以百分位数的形式报告。比如，假设某个考生在入学考试中的语文部分的原始分数为54分。相对于参加同一考试的其他学生来说
阅读全文
摘要：ndnarry为numpy中narry数组，tensor为TensorFlow中的张量 相同： tensor内部的数据类型为ndarray类型 区别： tensor可以有加速器内存（如GPU）支持，既可以在CPU上运行也可以在GPU上运行。ndarray只能在CPU上运行。 ndarray在CPU上
阅读全文
摘要：model.train（）将模型设置为训练状态，作用：使Dropout，batchnorm知道后有不同表现（具体参考Dropout，batchnorm源码），只有这两个关心True or False。 将模型设置为测试状态有两种方法： 1.model.train(mode=False) 2.mode
阅读全文
摘要：shape[0] 获取矩阵行数 min[0] 获取每一列最小值 max[1] 获取每一行最大值 enumerate()： tf.multiply（）两个矩阵中对应元素各自相乘 tf.matmul（）将矩阵a乘以矩阵b，生成a * b tf.transpose() 转置 tf.to_float() 将
阅读全文
浙公网安备 33010602011771号