目录torch.nn子模块Loss Functions详解nn.L1Loss用途用法使用技巧注意事项代码示例nn.MSELoss用途用法使用技巧注意事项代码示例nn.CrossEntropyLoss用途用法使用技巧注意事项代码示例使用类别索引使用类别概率nn.CTCLoss 用途用法使用技巧注意事项代码示例有填充的目标未填充的目标nn.NLLLoss用途用法使用技巧注意事项代码示例一维损
转载
2024-07-08 16:28:32
46阅读
# PyTorch中的Shuffle方法：数据随机化的重要性
在机器学习与深度学习的领域，数据的预处理是极其重要的一步。特别是在训练模型时，如何处理数据集尤为关键。特别是Shuffle（打乱）操作，可以帮助我们更好地了解并利用数据。本文将为大家介绍PyTorch中Shuffle的使用方式，并通过代码示例进行展示。
## 什么是Shuffle？
Shuffle是指对数据集中的样本进行随机打乱，
DataLoader.py脚本构造与参数init（构造函数）中的几个重要的属性：1、dataset：（数据类型 dataset）输入的数据类型。看名字感觉就像是数据库，C#里面也有dataset类，理论上应该还有下一级的datatable。这应当是原始数据的输入。PyTorch内也有这种数据结构。这里先不管，估计和C#的类似，这里只需要知道是输入数据类型是dataset就可以了。2、batch_s
# PyTorch Shuffle原理解析
在深度学习和图像处理领域，数据的随机化处理是非常重要的一步，这不仅可以增强模型的泛化能力，还可以帮助模型更好地学习特征。在PyTorch中，我们常常使用`torch.utils.data.DataLoader`类来实现数据的批量读取，而在读取数据时，设置`shuffle=True`可以实现数据的随机化。本文将深入探讨PyTorch中的数据洗牌原理，并提
PyTorch学习率调整策略通过torch.optim.lr_scheduler接口实现。PyTorch提供的学习率调整策略分为三大类，分别是a. 有序调整：等间隔调整(Step)，按需调整学习率(MultiStep)，指数衰减调整(Exponential)和 余弦退火CosineAnnealing。 b. 自适应调整：自适应调整学习率 ReduceLROnPlateau。 c. 自定义调整：自定
转载
2024-07-04 20:20:27
213阅读
# 使用PyTorch复现图卷积网络（GCN）
## 引言
在图数据迅速增长的今天，图神经网络（GNN）成为了机器学习和深度学习研究的重要方向。其中，图卷积网络（GCN）作为一种基础网络模型，已被广泛用于节点分类、图分类等任务。本文将利用PyTorch复现GCN，并通过简单代码示例帮助读者理解其基本概念及实现方式。
## 什么是图卷积网络（GCN）
GCN的基本思想是将卷积操作推广到非结构
原创
2024-10-22 04:46:14
126阅读
## CCNet复现指南：用PyTorch实现
### 引言
随着深度学习的快速发展，各种模型不断被提出并应用于实际问题中。其中，CCNet（Criss-Cross Network）是一种高效的卷积神经网络，特别适用于语义分割任务。本文将详细介绍如何使用PyTorch复现CCNet，并提供一个简单的代码示例。
### CCNet简介
CCNet的核心思想是利用交叉注意力机制，增强特征之间的
一、Unet网络论文地址：https://arxiv.org/pdf/1505.04597.pdfpytorch代码：https://github.com/milesial/Pytorch-UNet二、网络结构话不多说，先上图 Unet很简单，具体可以看作为左右两个部分，自上而下的编码器Encode和和由
文章目录首先使用 numpy 实现网络。张量autograd定义torch.autograd.Function的子类nn包优化模型自定义 nn 模块控制流+权重共享?是不是级联的思想？ 首先使用 numpy 实现网络。Numpy 提供了一个 n 维数组对象，以及许多用于操纵这些数组的函数。 Numpy 是用于科学计算的通用框架。 它对计算图，深度学习或梯度一无所知。 但是，我们可以使用 nump
转载
2024-09-22 12:22:04
55阅读
在深度学习领域，YOLO（You Only Look Once）已经成为了目标检测的热门选择。然而，很多人在使用 PyTorch 重现 YOLO 模型时会遇到不小的挑战。本文将分享我在复现 YOLO PyTorch 过程中所面临的技术痛点、演进历程、架构设计、性能测试、故障复盘，以及扩展应用。
“在目标检测中，如何能在保持精度的同时提升检测速度，是我们最初的技术痛点。”
通过分析，我们可以将问
最近为了实现HR-net在学习pytorch，然后突然发现这个框架简直比tensorflow要方便太多太多啊，我本来其实不太喜欢python，但是这个框架使用的流畅性真的让我非常的喜欢，下面我就开始介绍从0开始编写一个Lenet并用它来训练cifar10。1.首先需要先找到Lenet的结构图再考虑怎么去实现它，在网上找了一个供参考2.需要下载好cifar-10的数据集，在pytorch下默认的是下
转载
2024-09-30 18:23:26
33阅读
# MVSNet在PyTorch中的复现
## 1. 引言
MVSNet（Multi-View Stereo Network）是一种深度学习方法，用于从多视角图像中恢复3D场景。它的出现极大地推动了计算机视觉和3D重建领域的发展。本文将介绍如何在PyTorch中复现MVSNet，并通过代码示例对其进行详细说明。
## 2. MVSNet的工作原理
MVSNet的核心思路是将多视角图像对齐后
# MVSNet在PyTorch中的复现
## 简介
多视角立体视觉（Multi-View Stereo，MVS）是一种通过多张不同视角的图像重建场景三维结构的方法。MVSNet是一种基于深度学习的MVS方法，能够在复杂场景中进行高效的三维重建。本文章将介绍如何在PyTorch中复现MVSNet模型，并附上代码示例。
## MVSNet的基本原理
MVSNet的核心在于通过多张图像中的特征
原创
2024-10-10 06:11:49
490阅读
问题计算模型的FLOPs及参数大小FLOPS是处理器性能的衡量指标，是“每秒所执行的浮点运算次数”的缩写。FLOPs是算法复杂度的衡量指标，是“浮点运算次数”的缩写，s代表的是复数。一般使用thop库来计算from thop import profile
from thop import clever_format
input = torch.randn(1, 3, 512, 512)
mo
转载
2023-11-20 17:15:50
159阅读
1. 张量范数关于范数的理解可以参考这篇文章，在Pytorch中矩阵的范数主要通过以下接口实现。torch.norm(input, p='fro', dim=None, keepdim=False, out=None, dtype=None)返回给定张量的矩阵范数或向量范数。注意torch.norm 已弃用，可能会在未来的 PyTorch 版本中删除。
在计算向量范数时使用 torch.lina
转载
2024-01-12 09:00:23
139阅读
markdown新手写的第一篇文章，想记录一下这两三天弄pytorch的一些事情缘由由于任务的原因，需要使用深度学习框架，一开始是准备使用TensorFlow的，后来在项目负责人的引导下选择了Pytorch（新手友好型，貌似），这两三天一直在折腾它。今天下午终于是弄好了前期的东西。 写下来做个记录吧。经历初期的选择 一开始因为想起有同学使用TensorFlow进行深度学习，加上某人比较懒，于是乎，
在机器学习中，我们会将数据集分成很多个批次来训练。每次抛出一个批次的数据来计算损失函数，再根据损失函数计算参数的梯度。 再根据梯度来更新参数。然后数据加载器会接着抛出下一个批次的数据来计算损失函数，。。。 如下图所示，起初随机选择一个参数的初值theta0。损失函数L1是参数theta0的表达式，根 ...
转载
2021-09-11 13:32:00
1800阅读
2评论
# PyTorch手动Shuffle的方法
在深度学习模型训练中，数据的随机化（shuffle）是一个重要步骤，它可以防止模型对训练数据的顺序过拟合。在PyTorch中，虽然我们通常使用`DataLoader`来实现数据的随机抽样，但在某些特定场景下，我们可能需要手动实现自己对数据的打乱，以满足特殊需求。本文将探讨如何在PyTorch中手动实现数据的shuffle，结合示例代码进行说明，并通过饼
这篇博文是好久以前复现代码的时候顺手写的,但当时没时间手写pointnet++了,只写了frstum_pointnets_pytorch(https://github.com/simon3dv/frustum_pointnets_pytorch),再后来的实验又改了PointRCNN作为baseline, 所以这边就一直没更新下去了, 而且后面的东西写得很乱, 导致这篇博文屯了几个月都还没发布,
转载
2023-09-14 14:35:24
522阅读
文章目录基本运算add/minus/multiply/dividematmul基本函数统计属性normmean,sum,min,max,prod,argmin,argmaxkthvalue,topk\>,>=,<,<=,!=,==高阶操作(GPU)whereGather梯度lossMean Squared Error(MSE)：自动求导：torch.autograd.gr
转载
2023-11-17 12:05:41
116阅读
