【Pytorch】常用函数功能介绍和注意事项
【持续更新中…】
数据预处理
Variable
from torch.autograd import Variable
作用:自动微分变量,用于构建计算图
网络层定义
torch.nn.BatchNorm2d()
设尺寸为N*C*H*W,其中N代表batchsize,C表示通道数(例如RGB三通道),H,W分别表示feature map的宽高。
torch.nn.BatchNorm2d(num_features, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True, device=None, dtype=None)
- num_features:通道数,例如RGB为3
- eps:一个加至分母的参数,为提高计算稳定性
- momentum:运行中调整均值、方差的估计参数
- affine:当设为true时,给定可以学习的系数矩阵\gammaγ和 \beta
torch.nn.Linear()
torch.nn.Linear(in_features: int, out_features: int, bias: bool = True, device=None, dtype=None)
- in_features:输入的二维张量的大小
- out_features:输出的二维张量的大小
torch.nn.Sequential()
self.conv4 = torch.nn.Sequential(torch.nn.Conv2d(64, 64, 2, 2, 0), torch.nn.BatchNorm2d(64), torch.nn.ReLU()#ReLU激活函数) self.mlp1 = torch.nn.Linear(2 * 2 * 64, 100)#torch.nn.Linear定义全连接层,conv4为2*2*64self.mlp2 = torch.nn.Linear(100, 10)
使用损失函数和优化器的步骤
- 获取损失:loss=loss_fuction(out,batch_y)
- 清空上一步残余更新参数:opt.zero_grad()
- 误差反向传播:loss.backward()
- 将参数更新值施加到net的parmeter上:opt.step()
模型相关参数配置(使用argparse.ArgumentParser)
简介
argparse是一个Python模块:命令行选项、参数和子命令解析器。
使用方法
- 创建解析器
parser = argparse.ArgumentParser(description='Process some integers.')
- 添加参数
parser.add_argument('integers', metavar='N', type=int, nargs='+', help='an integer for the accumulator')
例如在神经网络训练过程中,我们需要定义训练的初始学习率,并设置默认值为0.00001,可通过以下代码实现:
parser.add_argument('--learning-rate', '-l', metavar='LR', type=float, default=1e-5,help='Learning rate', dest='lr')
- 解析参数
args = parser.parse_args()
模型输出
torch.max(out,1)[1]
output = torch.max(input, dim)
- input是softmax函数输出的一个tensor
- dim是max函数索引的维度0/1,0是每列最大值,1是每行最大值
函数会返回两个tensor,第一个tensor是每行的最大值;第二个tensor是每行最大值的索引。
(PS:第一个tensor value
是不需要的,我们仅提取第二个tensor并将数据转换为array格式)
torch.max(out,1)[1].numpy()
网络参数查看
model_dict=torch.load('D:\JetBrains\pythonProject\CMRI\CNN\CNN_Log')
parameters=list(model_dict.named_parameters())
补充知识点
downsampling(向下采样) & upsampling
down-sampling通过舍弃一些元素,实现图像的缩放
在CNN中,汇合层(Pooling layer)通过max pooling 或average pooling等操作,使汇合后结果中一个元素对应于原输入数据的一个子区域,因此汇合操作实际上就是一种”降采样“操作
up-sampling 可实现图像的放大或分辨率的优化等
常用方法:
- Bilinear(双线性插值法):只需要设置好固定的参数值即可,设置的参数就是中心值需要乘以的系数。
- Deconvolution(反卷积):参考https://github.com/vdumoulin/conv_arithmetic
- Unpooling(反池化):在反池化过程中,将一个元素根据kernel进行放大,根据之前的坐标将元素填写进去,其他位置补0
【Pytorch】常用函数功能介绍和注意事项相关推荐
- PySCIPOpt常用函数功能介绍(一)
以下代码段定义一个SCIP程序变量: def addVar( self, name = '', vtype = 'C', lb = 0.0, ub = None, obj = 0.0, priced ...
- 全新开源,《Pytorch常用函数函数手册》开放下载!内含200余个函数!
近期有很多小伙伴在后台咨询有没有关于Pytorch函数使用的学习资料.Pytorch是目前常用的深度学习框架之一,深受学生党的喜爱,小白本人也是使用的Pytorch框架.为了帮助更多小伙伴,小白学视觉 ...
- setsockopt()函数功能介绍
setsockopt()函数功能介绍 功能描述:获取或者设置与某个套接字关联的选项.选项可能存在于多层协议中,它们总会出现在最上面的套接字层. 用法: #include <sys/types.h ...
- 哈工大博士历时半年整理的《Pytorch常用函数函数手册》开放下载!内含200余个函数!...
近期有很多小伙伴在公众号后台咨询有没有关于Pytorch函数使用的学习资料.Pytorch是目前常用的深度学习框架之一,深受学生党的喜爱,小白本人也是使用的Pytorch框架.为了帮助更多小伙伴,小白 ...
- setsocketopt()函数功能介绍
本文转自与启云的setsocketopt()函数功能介绍 setsocketopt()函数功能介绍 功能描述:获取或者设置与某个套接字关联的选项.选项可能存在于多层协议中,它们总会出现在最上面的套接字 ...
- 【工具小技巧】Cadence Virtuoso Calculator Function Panel计算器函数功能介绍(持续更新……)
在使用cadence virtuoso仿真过程中我们经常会关注一些电路指标,比如:运放的增益.带宽.相位裕度:bandgap的温漂系数.振荡器的振荡频率等.想要直观的知道这些指标的具体值,需要用到计算 ...
- Qt QString类及常用函数功能详解
QString 是 Qt 编程中常用的类,除了用作数字量的输入输出之外,QString 还有很多其他功能,熟悉这些常见的功能,有助于灵活地实现字符串处理功能. QString 存储字符串釆用的是 Un ...
- PowerBuilder常用函数功能和用法解析
郭宝利先生在他的帮助文档里总结的一个系统用到的所有函数,他们也是软件开发中常用的,为了方便查阅,我把这些函数按照字母顺序进行了整理并添加了使用方法,方便我和一些其他的初学者学习使用: 1.Accept ...
- tf.pad函数功能介绍
tf.pad()函数主要是对张量在各个维度上进行填充,该函数的参数如下所示: pad(tensor,paddings,mode='CONSTANT',name=None ) 其中: tensor是待填 ...
最新文章
- Centos 7.X安装DB2 10.5
- 古罗马皇帝凯撒在打仗时曾经使用过以下方法加密军事情报: 请编写一个程序,使用上述算法加密或解密用户输入的英文字串...
- Java笔试题库之编程题库 总共30道编程题,掌握了就可以应付中级以内Java面试题
- 怎么把东西去掉修图_很多人花几千块学习商业修图,其实跟把钱扔了一样。?...
- Hay Points
- django缓存优化(二)
- centos 7.2安装 java_centos7.2 linux系统上安装java环境
- Java基础编程练习题
- 又有朋友被骗入传销了!
- ECCV2020:论文解读《Synthesize then Compare: Detecting Failures and Anomalies for Semantic Segmentation》
- 湖南天才少女姚婷:刚毕业就被华为156万年薪邀请,来历不简单
- Android小图标
- 11届蓝桥杯青少年组C++全国赛高级组
- pycharm使用pip install xxx 解决超时问题
- jackson 入门
- Jackson注解:@JsonAlias使用详解
- WSFederation 身份验证模块概述
- m瑞利信道下对比ZF-SIC,MMSE-SIC,MRC三种均衡算法的误码率matlab仿真
- tmac v6设置中文_(转载)pktgen使用详细教程
- Sony ST27i 获取root权限