1、torchvision的介绍torchvision 是 pytorch 中一个很好用的包，主要由 3 个子包，分别是 torchvision.datasets，torchvision.models 和 torchvision.transforms 参考官网：http://pytorch.org/docs/master/torchvision/index.html 代码：https://gith
转载
2024-04-16 10:15:18
172阅读
目录PyTorch学习笔记（17）--torchvision.transforms用法介绍1.问题来源2.torchvision.transforms具体用法3.torchvision.transforms其他的用法4.补充torchvision模块的其他功能5.运行错误解决 1.问题来源 在读ResNet的应用代码时，遇到下面这一小段代码，这段代码出现在读取图片信息之前，这段代码的具体功
转载
2024-04-04 10:45:15
243阅读
1.1 数据操作"""
1.1.1 入门操作
首先，我们要理解什么是**tensor**，如何创建tensor，如何查询tensor的各种属性，同时tensor又可以做什么事情。
tensor译为张量，在数学意义上，这是一个n维数组，也可以理解为矩阵。
"""
import torch
#创建一个tensor --即为张量
x = torch.arange(12) #这是创
转载
2024-10-18 19:00:42
24阅读
目录一、残差网络 ResNet1.1 来源1.2 残差块◼ 残差块的结构细节◼ 不同的残差块1.3 ResNet的整体架构 ◼ ResNet块◼ ResNet架构1.3 总结二、ResNet网络的代码实现2.1 ResNet网络（使用自定义）一、残差网络 ResNet1.1 来源VGG网络试着探寻了一下深度学习网络的深度究竟可以深到何种程度还可以持续提高分类的准确率。对于传统的深度学习网
转载
2024-05-08 11:18:04
109阅读
PyTorch是一个非常适合初学者的高度可靠且强大的机器学习库。自2016年10月以来，它已经开源并由Facebook维护，并被开发人员用于研究其原型，以部署最先进的深度学习应用程序。与TensorFlow等其他机器学习库相比，PyTorch更加直观，并具有实现模型的Python方式。决定要分类什么？识别花朵的类型需要某种形式关于花朵的知识，人必须事先看过花朵才能识别花朵。同样，对于计算机，很难对
torch Tensor学习：切片操作
torch
Tensor
Slice
一直使用的是matlab处理矩阵，想从matlab转到lua+torch上，然而在matrix处理上遇到了好多类型不匹配问题。所以这里主要总结一下torch/Tensor中切片操作方法以及其参数类型，以备查询。已知有
转载
2024-06-26 14:16:27
78阅读
目录1、准备工作（1）下载准备（2）TorchScript（.pt文件）准备2、配置步骤（1）CMake配置（2）手动在VS配置3、踩坑汇总 1、准备工作（1）下载准备下载安装VS2017安装配置OpenCV 可参考博客：VS2017配置opencv教程（超详细！！！），讲的非常详细。安装配置CMake（对于CMake配置法） 可参考博客：Windows下CMake安装教程
下载Libtorch
转载
2024-05-13 09:56:46
144阅读
文章目录导读论文地址实现代码 导读之前看了ConvNext论文，我们知道了ConvNext是基于ResNet50改进而来，我们梦回初始看看ResNet是如何实现的Deep Residual Learning for Image Recognition发表于2015年，这是过去6、7年里用到最多的一篇文章，至今引用数量已经到了11w，虽然最开始resnet是用在CV领域，但是后来我们可以看到基本上
转载
2024-04-18 13:00:21
62阅读
【代码】torch绘制resnet热力图。
原创
2023-04-16 21:35:59
218阅读
目 录1 ResNet网络介绍1.1 ResNet网络的亮点1.2 梯度消失、梯度爆炸和退化问题1.3 残差（residual）模块1.3.1 残差模块介绍1.3.2 特殊的残差模块1.4 Batch Normalization1.4.1 BN处理原理1.4.2 BN处理使用时需要注意的问题1.5 迁移学习1.5.1 使用迁移学习的优势1.5.2 迁移学习原理简介1.5.3 迁移学习方
转载
2024-04-18 09:20:22
112阅读
论文摘要：该论文提出了一个简单、高度模块化的图像分类网络结构。该网络结构是通过重复一个构建块(buildng block)搭建的，这个构建块聚合了一组具有相同拓扑结构(same topology)的转换。这种策略提出了一个新的维度概念，作者称为“基数(cardinality)”，定义为转换维度的大小(the size of the set of transformations)，并且是作为一个除了
转载
2024-09-06 23:55:56
31阅读
一、torchvision中的resnettorchvision0.4.0 中预写好的resnet大类有九种，分别来自于三篇resnet相关论文[1][3][4] https://github.com/pytorch/vision/blob/v0.4.0/torchvision/models/resnet.py#L11-L21github.com
其中resnet
转载
2024-01-12 05:41:38
50阅读
在我的个人博客上一篇博文中分析了卷积神经网络的结构与相关算法，知道了这些基本原理之后。这篇博文主要介绍在卷积神经网络的发展历程中一些经典的网络模型。LeNet5 LeCun等将BP算法应用到多层神经网络中，提出LeNet-5模型[1]（效果和paper见此处），并将其用于手写数字识别，卷积神经网络才算正式提出。LeNet-5的网络模型如图1所示。网络模型具体参数如图2所示。
图
转载
2024-08-14 11:48:02
69阅读
这篇博文字数不多，文字部分是复现时需要关注的。
1 论文关键信息1. 1 核心-Residual Block 核心思想是：训练残差，传统cnn卷积层可以将y = F（w, x) 看做目标函数，而resnet可以的目标函数可视为 y = F (w, x) + x；凯明大神发现训练残差相比传统的结构，可以使得网络可以做得更深，更容易训练，并且减缓过拟合现象。原文中提出了两
转载
2024-04-30 19:11:47
88阅读
Deep High-Resolution Representation Learning for Human Pose Estimation (CVPR 2019 oral) 文章地址：https:/
view(), resize(), reshape() 在不改变原tensor数据的情况下修改tensor的形状，前后要求元素总数一致，且前后tensor共享内存如果想要直接改变Tensor的尺寸，可以使用resize_()的原地操作函 数。在resize_()函数中，如果超过了原Tensor的大小则重新分配内存， 多出部分置0，如果小于原Tensor大小则剩余的部分仍然会隐藏保留。transpo
转载
2023-10-13 12:16:46
94阅读
一般来说，题目所示这种问题都是由batch_size的设置引起的，修改batch_size之后就能有效解决。但是，我今天遇到一种情况，这个问题不是由batch_size引起的，而是由torch.backends.cudnn.enabled = False这个设置引起的。  
转载
2024-04-01 09:45:39
272阅读
torch学习二之nn.Convolutionnn.Conv1d函数参数输入数据维度转换关于kernelnn.Conv2D nn.Conv1d一维卷积通常用于处理文本数据函数参数首先看一下官网定义CLASS torch.nn.Conv1d(in_channels: int, out_channels: int, kernel_size: Union[T, Tuple[T]],
stride:
转载
2024-03-25 21:56:55
189阅读
一、torch.nn.Lineartorch.nn.Linear（in_features,out_features,bias=True）nn.linear()是用来设置网络中的全连接层的，也可以说是线性映射，这里面没有激活函数。而在全连接层中的输入与输出都是二维张量，输入输出的形状为[batch_size, size]import torch
from IPython.core.interacti
转载
2024-09-01 18:24:24
245阅读
Resnet设计起因是随着网络层增加反而梯度下降困难，甚至起到反作用，因此加入残差结构。残差网络原理就是"正常梯度+消失梯度=正常梯度"，只要自身的梯度是正常的，就算加上多层后出现的消失的梯度也是正常的值，这样能够保证梯度正常反向传播。Resnet设计了两类残差块Basic_block和Bottleneck，分别用于不同层次的Resnet。完整代码Basic_block是两层的残差块,用于resn
转载
2024-05-07 10:18:37
190阅读
