一、代码总览一段完整的代码以及程序启动命令训练代码import os
import argparse
import torch
from torch.nn import SyncBatchNorm
from torch.nn.parallel import DistributedDataParallel
import torch.distributed as dist
from torch.uti
张量tensor 进行 形状shape1. tensor是什么？张量这一概念的核心在于，它是一个数据容器。张量的维度（秩）：Rank/Order： Rank为0、1、2时分别称为标量、向量和矩阵，Rank为3时是3阶张量，Rank大于3时是N阶张量。这些标量、向量、矩阵和张量里每一个元素被称为tensor
转载
2024-04-02 10:49:02
70阅读
import torchx = torch.randn(1,3,224,224)print(x[0].shape)pri。
原创
2022-11-01 16:52:37
125阅读
Pytorch中utils.data 与torchvision简介1 数据处理工具概述2 utils.data简介3 torchvision简介3.1 transforms3.2 ImageFolder 1 数据处理工具概述Pytorch涉及数据处理（数据装载、数据预处理、数据增强等）主要工具包及相互关系如下图所示，主要使用torch.utils.data 与 torchvision：torch
前言之前一直想要好好理一理pytorch中torch.utils.data模块，却一直没有找到完整的时间，最近终于可以完整地理解一下了。 （PS：对于前半部分模块的理解可能有点偏向于文档翻译，但是这之中也有我自己的一些感悟在其中）>>>import torch
>>>print(torch.__version__)
>1.6.0torch.utils.da
该楼层疑似违规已被系统折叠 隐藏此楼查看此楼1)Trim的作用原本在机械硬盘上，写入数据时，Windows会通知硬盘先将以前的擦除，再将新的数据写入到磁盘中。而在删除数据时，Windows只会在此处做个标记，说明这里应该是没有东西了，等到真正要写入数据时再来真正删除，并且做标记这个动作会保留在磁盘缓存中，等到磁盘空闲时再执行。这样一来，磁盘需要更多的时间来执行以上操作，速度当然会慢下来。
转载
2024-07-04 21:47:19
39阅读
Tensor基本操作Tensor基础2.1.0创建Tensor2.1.1生成特定tensor2.1.2改变形状2.1.3 索引操作2.1.4广播机制2.1.5逐元素操作2.1.6归并操作2.1.7比较操作2.1.8矩阵操作2.2Pytorch与Numpy比较2.3Tensor与Autograd2.4计算图2.4.1标量反向传播2.4.2非标量反向传播2.5使用Numpy实现机器学习2.6使用Te
转载
2024-04-22 21:10:11
90阅读
（1）DELETE语句执行删除的过程是每次从表中删除一行，并且同时将该行的删除操作作为事务记录在日志中保存以便进行进行回滚操作。 TRUNCATE TABLE 则一次性地从表中删除所有的数据并不把单独的删除操作记录记入日志保存，删除行是不能恢复的。并且在删除的过程中不会激活与表有关的删除触发器。执行速度快。（2）表和索引所占空间。&
转载
2024-05-30 19:31:38
23阅读
目录1 pytorch数据结构1.1 默认整数与浮点数1.2 dtype修改变量类型1.3 变量类型有哪些1.4 数据类型转换2 torch vs numpy2.1 两者转换2.2 两者区别3 张量3.1 张量修改尺寸3.2 张量内存存储结构3.3 存储区3.4 头信息区1 pytorch数据结构1.1 默认整数与浮点数【pytorch默认的整数是int64】pytorch的默认整数是用64个比特
提示:推荐使用方法三，不会“科学上网”的请关注微信公众号“DGX杂学”并在后台私信！ 错误：使用torch.load()加载模型参数时，提示“xxx.pt is a zip archive(did you mean to use torch.jit.load()?)“或者“xxx.pth is a zip archive(did you mean to use torch.jit.load()?)
转载
2024-04-03 15:20:21
361阅读
（一）查找的基本概念1.基本概念查找是一种常用的基本运算。查找表是指由同一类型的数据元素（或记录）构成的集合。查找表是一种非常灵活的数据结构。对查找表经常进行的两种操作（静态查找表）：查询某个特定的数据元素；检索某个特定的数据元素的各种属性。对查找表经常要进行的另外两种操作（动态查找表）：插入一个数据元素；删除一个数据元素。关键字是数据元素（或记录）的某个数据项的值，用它来标识这个数据元素。 主关
转载
2024-10-23 12:27:14
34阅读
现在SSD不论磁盘可用空间是否充足，对SSD的性能影响几乎可忽略不计。这其实是TRIM的功劳，你了解它吗？高效SSD必备技术我们在使用普通HDD时Windows会自动在一定时间段去整理磁盘碎片，但如果你的SSD支持TRIM的话是无需碎片整理的。现在的硬盘厂商早已对SSD固件算法做了优化，并且提供了TRIM支持。TRIM的特点在于，它采用了一种新的文件删除方式，可大大提高文件的删除速度外，还会自动整
转载
2024-04-08 22:25:12
40阅读
一、torch.cattorch的拼接函数，将2个tensor拼接起来按列拼接A=torch.ones(2,3)
B=2*torch.ones(4,3)
A
B
C=torch.cat((A,B),0)#0表示按行拼接，即一行行拼上，就是直接上下堆接
CA
tensor([[1., 1., 1.],
[1., 1., 1.]])Btensor([[2., 2., 2.],
转载
2024-04-04 19:30:39
257阅读
GPU计算设备import torch
from torch import nn
torch.device('cpu'), torch.cuda.device('cuda'), torch.cuda.device('cuda:1')查询GPU个数torch.cuda.device_count()这两个函数允许我们在请求的GPU不存在的情况下运行代码def try_gpu(i=0):
"
转载
2024-10-25 13:26:46
54阅读
在进一步讨论之前，可以在 https://www.tensorflow.org/tensorboard/ 上找到有关 TensorBoard 的更多详细信息。安装 TensorBoard 后，这些实用程序可让您将 PyTorch 模型和指标记录到一个目录中，以便在 TensorBoard UI 中进行可视化。 PyTorch 模型和张量以及 Caffe2 网络和 blob 都支持标量、图像、直方图
转载
2024-05-26 17:40:01
86阅读
文章目录非常详细的一个文档，学习pytorch可以详细研究一下：对一些比较重要的功能和知识点进行复现：一、创建tensor张量二、tensor与numpy之间的相互转换三、tensor.function与tensor.function_的区别四、修改tensor的形状五、索引操作六.逐元素操作七. 归并操作八、比较操作 非常详细的一个文档，学习pytorch可以详细研究一下：http://www
转载
2024-03-25 14:12:31
222阅读
接着上次的排序算法讨论，这次谈的是六种查找算法，分别是：顺序查找、折半查找、二叉树查找、索引查找、开地址哈希查找方法、拉链法哈希查找方法。算法对于电脑来说速度都是非常快的，都在1ms之内，无法用计时函数测试出来。所以为了能够直观准确地表示出各个算法间的差异，此程序用了循环查找的方法，具体的思想是：先随机生成3000个数作为查找的数据源，再随机生成3000（也可以少一点）个数作为被查找的数，让当前
转载
2024-08-22 10:03:02
75阅读
( 1 ) 主要区别 当你不再需要该表时， 用 drop; drop一般用于删除整体性数据 如表，模式，索引，视图，完整性限制等当你仍要保留该表，但要删除所有记录时， 用 truncate; TRUNCATE TABLE 则一次性地从表中删除所有的数据并不把单独的删除操作记录记入日志保存，删除行是不能恢复的。并且在删除的过程中不会激活与表有关的删除触发器。执行速度快。当你要删除部分记录时（alwa
转载
2024-04-15 17:32:13
68阅读
在深度学习中，通常会频繁地对数据进行操作，在PyTorch中，torch.Tensor是存储和变换数据的主要工具（Tensor和NumPy的多维数组非常类似，Tensor提供GPU计算和自动求梯度等更多功能，使Tensor更加适合深度学习），以下进行一些汇总：目录1. Tensor数据操作1.1 创建Tensor1.2 算术操作1.3 索引1.4
常用的三种索引方式 Faiss 中有常用的三种索引方式：IndexFlatL2、IndexIVFFlat 和 IndexIVFPQ。1.IndexFlatL2 - 暴力检索L2：使用欧氏距离（L2）进行精确检索。适用于较小规模的数据集，采用暴力检索的方式，即计算查询向量与所有数据库向量之间的距离，然后返回
转载
2024-06-12 14:26:45
156阅读
