分类：pytorch
2020
10-08
二分类或分类问题，网络输出为二维矩阵：批次x几分类，最大的为当前分类，标签为one-hot型的二维矩阵：批次x几分类计算百分比有numpy和pytorch两种实现方案实现，都是根据索引计算百分比，以下为具体二分类实现过程。pytorchout=torch.Tensor([[0,3],[2,3],[1,0],[3,4]])cond=torch.Tensor([[1,0],[0,1],[1,0],[1,0]])persent=torch.mean(torch.eq(torch.argmax(out,dim=1),torch.argma...
继续阅读 >
最近做显著星检测用到了NLL损失函数对于NLL函数，需要自己计算log和softmax的概率值，然后从才能作为输入输入[batch_size,channel,h,w]目标[batch_size,h,w]输入的目标矩阵，每个像素必须是类型.举个例子。第一个像素是0，代表着类别属于输入的第1个通道；第二个像素是0，代表着类别属于输入的第0个通道，以此类推。x=Variable(torch.Tensor([[[1,2,1],[2,2,1],[0,1,1]],[[0,1,3],[...
继续阅读 >
先看Pytorch中的卷积classtorch.nn.Conv2d(in_channels,out_channels,kernel_size,stride=1,padding=0,dilation=1,groups=1,bias=True)二维卷积层,输入的尺度是(N,C_in,H,W)，输出尺度（N,C_out,H_out,W_out）的计算方式这里比较奇怪的是这个卷积层居然没有定义inputshape，输入尺寸明明是：（N,C_in,H，W），但是定义中却只需要输入in_channel的size，就能完成卷积，那是不是说这样任意size的image都可以进行卷积呢...
继续阅读 >
2020
10-08
1.torch.eq(input,other,out=None)说明：比较元素是否相等，第二个参数可以是一个数，或者是第一个参数同类型形状的张量参数：input(Tensor)----待比较张量other(Tenosrorfloat)----比较张量或者数out(Tensor,可选的)----输出张量返回值：一个torch.ByteTensor张量，包含了每个位置的比较结果(相等为1，不等为0)>>>a=torch.Tensor([[1,2],[3,4]])>>>b=torch.Tensor([[1,1],[4,4]])>>>torch.eq(a,b)tens...
继续阅读 >
1.字面理解：torch.cat是将两个张量（tensor）拼接在一起，cat是concatnate的意思，即拼接，联系在一起。2.例子理解>>>importtorch>>>A=torch.ones(2,3)#2x3的张量（矩阵）>>>Atensor([[1.,1.,1.],[1.,1.,1.]])>>>B=2*torch.ones(4,3)#4x3的张量（矩阵）>>>Btensor([[2.,2.,2.],[2.,2.,2.],[2.,2.,2.],[2.,2.,2.]])>>>C=torch.cat((A,B),0)#按...
继续阅读 >
我就废话不多说了，大家还是直接看代码吧~importtorchinput_tensor=torch.tensor([1,2,3,4,5])print(input_tensor>3)mask=(input_tensor>3).nonzero()print(mask)print(input_tensor.index_select(0,mask))tensor([0,0,0,1,1],dtype=torch.uint8)tensor([3,4])tensor([4,5])补充知识：pytorchtensor筛选满足条件的行或列（使用与或）我就废话不多说了，大家还是直接看代码吧~importtorchx=torch.linspace(1,8,st...
继续阅读 >
max找出tensor的行或者列最大的值：找出每行的最大值:importtorchoutputs=torch.FloatTensor([[1],[2],[3]])print(torch.max(outputs.data,1))输出：(tensor([1.,2.,3.]),tensor([0,0,0]))找出每列的最大值：importtorchoutputs=torch.FloatTensor([[1],[2],[3]])print(torch.max(outputs.data,0))输出结果：(tensor([3.]),tensor([2]))Tensor比较eq相等：importtorchoutputs=torch.FloatTensor([[1],[2],[3]])targe...
继续阅读 >
PHP 代码分享
MongoDB 教程
正则表达式
jQuery 教程
JavaScript 代码片段
PHP7 教程
前言众所周知，Dataset和Dataloder是pytorch中进行数据载入的部件。必须将数据载入后，再进行深度学习模型的训练。在pytorch的一些案例教学中，常使用torchvision.datasets自带的MNIST、CIFAR-10数据集，一般流程为：#下载并存放数据集train_dataset=torchvision.datasets.CIFAR10(root="数据集存放位置",download=True)#load数据train_loader=torch.utils.data.DataLoader(dataset=train_dataset)但是，在我们自己的模型训...
继续阅读 >
多分类一种比较常用的做法是在最后一层加softmax归一化，值最大的维度所对应的位置则作为该样本对应的类。本文采用PyTorch框架，选用经典图像数据集mnist学习一波多分类。MNIST数据集MNIST数据集(手写数字数据集)来自美国国家标准与技术研究所,NationalInstituteofStandardsandTechnology(NIST).训练集(trainingset)由来自250个不同人手写的数字构成,其中50%是高中学生,50%来自人口普查局(theCensusBureau)...
继续阅读 >
网络训练中，loss曲线非常奇怪交叉熵怎么会有负数。经过排查，交叉熵不是有个负对数吗，当网络输出的概率是0-1时，正数。可当网络输出大于1的数，就有可能变成负数。所以加上一行就行了out1=F.softmax(out1,dim=1)补充知识：在pytorch框架下，训练model过程中，loss=nan问题时该怎么解决？当我在UCF-101数据集训练alexnet时，epoch设为100，跑到三十多个epoch时，出现了loss=nan问题，当时是一脸懵逼，在查阅资料后，我通过减小...
继续阅读 >
之前学习深度学习算法，都是使用网上现成的数据集，而且都有相应的代码。到了自己开始写论文做实验，用到自己的图像数据集的时候，才发现无从下手，相信很多新手都会遇到这样的问题。参考文章https://www.jb51.net/article/177613.htm下面代码实现了从文件夹内读取所有图片，进行归一化和标准化操作并将图片转化为tensor。最后读取第一张图片并显示。#数据处理importosimporttorchfromtorch.utilsimportdatafromPILimport...
继续阅读 >