首先理解什么是contiguous，判断一个tensor是不是contiguous的。 字面意思是连续的，当我们定义一个tensor时，在内存中数据是连续存储的。 如果我们使用transpose等一些操作的时候，会改变连续性，使得数据在逻辑上的顺序与内存中的顺序不一致，这是因为transpose并没有改变tensor内存中的数据存储（data部分），只是改变了其索引（步长等），使得逻辑上的顺序（读
转载
2024-05-16 10:12:50
28阅读
Robust High-Resolution Video Matting with Temporal Guidance论文下载：https://arxiv.org/pdf/2108.11515.pdfgithub：GitHub - PeterL1n/RobustVideoMatting: Robust Video Matting in PyTorch, TensorFlow, TensorFlow
客户端channel在建立连接之后会关注read事件，那么read事件在哪触发的呢？ NioEventLoop中/**
* 读事件和 accept事件都会经过这里,但是拿到的unsafe对象不同 所以后续执行的read操作也不一样
* NioServerChannel进行accept操作
* NioChannel进行
转载
2023-07-10 12:52:35
87阅读
很多真实数据的维度经常更高。例如，彩色图像在高和宽2个维度外还有RGB（红、绿、蓝）3个颜色通道。假设彩色图像的高和宽分别是和（像素），那么它可以表示为一个的多维数组。我们将大小为3的这一维称为通道（channel）维。本节我们将介绍含多个输入通道或多个输出通道的卷积核。1. 多输入通道当输入数据含多个通道时，我们需要构造一个输入通道数与输入数据的通道数相同的卷积核，从而能够与含多通道的输入数据做
转载
2023-10-08 08:38:42
90阅读
文章目录图片 - TorchVision定义模型定义模型的4种方法代码注意可视化 - netron想替换backbone - errorImageNet 网络微调辅助函数模型训练和验证冻结层 requires_grad初始化和重塑网络AlexnetVGGSqueezenet 1.0ResnetDensenetInception V3数据加载创建优化器运行训练和验证代码STN 2015基础STN网
Channel Attention是一种用于增强神经网络模型性能的技术，尤其是在计算机视觉任务中。通过赋予网络对不同通道特征的选择性注意力，Channel Attention能够提高模型对特定特征的识别能力。本文将记录在PyTorch中实现Channel Attention的过程，涵盖环境准备、分步指南、配置详解、验证测试、优化技巧及扩展应用等内容。
### 环境准备
首先，我们需要准备环境并
今天在看文档的时候，发现pytorch 的conv操作不是很明白，于是有了一下记录首先提出两个问题：1.输入图片是单通道情况下的filters是如何操作的？ 即一通道卷积核卷积过程2.输入图片是多通道情况下的filters是如何操作的？ 即多通道多个卷积核卷积过程这里首先贴出官方文档：classtorch.nn.Conv2d(in_channels, out_channels, kernel_si
转载
2024-09-14 13:14:50
93阅读
# PyTorch 如何改变卷积通道顺序
在深度学习中，卷积神经网络（CNN）通常用于图像处理任务。卷积层通过卷积核对输入进行操作，以提取特征。在许多情况下，卷积层的通道顺序可能需要调整，例如在进行模型迁移或特征重用时。本文将详细讨论如何在 PyTorch 中改变卷积通道的顺序，包含代码示例、状态图和序列图，以便于读者理解。
## 1. 卷积通道的基本概念
在卷积神经网络中，输入数据通常以张
工欲善其事必先利其器，在使用该网络之前要先了解该网络的具体细节，我今天也是第一次查资料，然后加上自己的理解去写这篇学习成长文章。残差模块class ResidualBlock(nn.Module):
def __init__(self, inchannel, outchannel, stride=1, dowansample=None):
super(ResidualBlo
转载
2024-01-02 10:31:29
178阅读
文章目录前言多维张量的维度torch.max()torch.argmax()torch.softmax()torch.stack()总结 前言 做深度学习的项目离不开对tensor的操作，tensor中文名称是张量，以PyTorch框架为例，张量是PyTorch的基本数据类型，初学者对张量操作时，常常会被dim这个参数困扰，本文测试了torch.max()、torch.argmax()、tor
转载
2024-05-29 12:32:34
110阅读
开始之前在开始之前，先讲讲学习方法。现在想学习任何一样东西，你只要稍微用心，网上基本都能找到你想要的资料，但是资料好找，大部分人找到了也只是收藏起来，说以后再看，然后就再也没有然后了。另外，同样一份资料，不同的人学习起来效果也不尽相同，有的人一学就会，触类旁通；有的人却越学越痛苦，永远进度留在前几章。这里面最大的差别就是学习方法的问题。按学习行为来分，学习其实就两类：被动学习 vs 主动学习。被动
具体示例如下，注意观察维度的变化1.改变tensor维度的操作：transpose、view、permute、t()、expand、repeat#coding=utf-8
import torch
def change_tensor_shape():
x=torch.randn(2,4,3)
s=x.transpose(1,2) #shape=[2,3,4]
y=x.v
转载
2023-06-02 15:47:12
300阅读
numpy篇 一，维度增减1、直接修改shapey=np.arange(1, 11)#shape：(10,)
y.shape=(10,1)
print(y)
2、用np.newaxis(np.newaxis == None)
np.newaxis放的位置不一样，效果不一样
y=np.arange(1, 11)#shape：(10,)
y=y[:,np.newaxis]
print(y)
3、使用n
转载
2024-05-22 19:53:49
60阅读
文章目录前言正文1.view/reshape2.squeeze/unsqueeze3.expand/repeat4.t/transpose 转置5.permute 任意维交换总结 前言Pytorch学习笔记第二篇，关于Tensor的维度变换。 正文1.view/reshapeview和reshape的功能一致，在元素总数不变的情况下改变Tensor的形状，并且可以用-1作为缺省，实现对某
转载
2023-06-25 16:57:57
292阅读
# 如何在 PyTorch 中自定义一个 `forward` 函数
在深度学习框架中，PyTorch 是一个非常流行的选择，尤其是在研究领域。当我们创建一个神经网络模型时，通常会实现一个自定义的 `forward` 方法，以定义数据如何通过模型流动。本文将详细讲解如何在 PyTorch 中自定义 `forward` 函数，并提供具体的代码示例和步骤说明，帮助新手开发者逐步掌握这一过程。
##
原创
2024-09-12 05:31:18
54阅读
在使用 PyTorch 进行深度学习模型训练时，调整学习率（learning rate，lr）是一个至关重要的环节。学习率太小可能会导致收敛速度缓慢，而太大会导致模型不收敛。合理地调整学习率，可以显著提高模型的训练效果。本文将深入探讨如何在 PyTorch 中动态改变学习率，并为学习者提供一个清晰的理解过程。
## 背景描述
在机器学习模型训练中，学习率是一个关键超参数，控制着优化算法的更新步
文章目录1、pytorch安装2、Lenet简介3、代码Conv2d和_MaxPoolNd参数介绍model.pytrain.pypredict.py 1、pytorch安装2、Lenet简介Lenet网络结构：卷积-下采样层-卷积-下采样层-全连接层-全连接层-全连接层 Lenet网络：pytorch tensor的通道顺序：[batch，channel，height，width]batch：
转载
2023-11-30 13:48:38
106阅读
1、view用来改变shape。调整Tensor的shape（通过返回一个新的Tensor），在老版本中这个函数是view()，功能上都是一样的。a=torch.rand(4,1,28,28)print(a.shape)#torch.Size([4, 1, 28, 28])#将后3维合并print(a.view(4,28*28))#print(a.view(4,28*28).shape)#torc
转载
2024-02-11 21:15:00
216阅读
一、Variable是什么？在torch中的Variable就是一个存放会变化的值的地理位置，里面的值会不断的变化。就像是一个装鸡蛋的篮子，里面的鸡蛋数会不停变动。就是torch里面的tensor会不断的变化，如果用Variable进行计算，那么返回的也是同一类型的Variable。import torch
from torch.autograd import Variable
#鸡蛋
tens
转载
2023-10-24 10:09:33
40阅读
# 使用PyTorch改变张量的维度顺序
在深度学习和机器学习中，数据的维度和形状至关重要。在本篇文章中，我将教会你如何使用PyTorch来改变张量的维度顺序。我们将通过一个系统化的步骤以及代码示例，来帮助你顺利实现这一过程。
## 整体流程
我们可以将改变张量维度顺序的步骤分为以下五个主要阶段：
| 步骤 | 描述 | 代码示例
原创
2024-09-06 05:28:32
61阅读
