qq_37297763的博客

我总是搞不清啥时候dim=0或者dim=1，总会搞混，刚好在阅读Vision Transformer代码时，看到有人用einops，于是百度了一下，发现这个东西真的很好用！大家可以参考这两篇帖子对照着学习：https://zhuanlan.zhihu.com/p/342675997https://blog.csdn.net/weixin_43135178/article/details/118877384没有安装的话，首先需要pip install einops安装完后，大家可以顺着我的代码，依次

看pytorch官方给的代码，to(device)的时候可以指定GPU设备号。二者没啥太大区别，都可以用。cuda = torch.device('cuda') # Default CUDA devicecuda0 = torch.device('cuda:0')cuda2 = torch.device('cuda:2') # GPU 2 (these are 0-indexed)x = torch.tensor([1., 2.], device=cuda0)# x.device is

squeeze()函数用于压缩维度，unsqueeze()用于扩充维度。1. unsqueeze()用法介绍unsqueeze()函数用于扩充维度，它有一个参数unsqueeze(dim)，表示在第dim维上扩充维度。下面的代码中arr维度是(2,3,4)，在第0维进行扩充，代码第三行维度是(1,2,3,4)，通过第四行代码的输出结果可以看出，输出张量与原张量不共享内存，可通过第五行arr = arr.unsqueeze(0)来改变arr维度。arr = torch.arange(1, 25).vi

1. python中*args和**kwargs的用法*args和 **kwargs经常在函数定义中被使用，用来传递可变长参数。*args表示任意多个无名参数，是一个tuple，**kwargs表示关键字参数，是一个dict。当*args和 **kwargs同时是使用时，*args参数列表要放在 **kwargs前边。举例如下：# 测试*args和**kwargsdef func(*args, **kwargs): print("args = ", args) print("kwa

待完成… …

我第一次接触.item()是在做图像分类任务中，计算loss的时候。total_loss = total_loss + loss.item()1. .item()的用法.item()用于在只包含一个元素的tensor中提取值，注意是只包含一个元素，否则的话使用.tolist()x = torch.tensor([1])print(x.item())y = torch.tensor([2,3,4,5])print(y.item())# 输出结果如下1---------------------

1. torch.nn.CrossEntropyLossCrossEntropyLoss的作用相当于将nn.LogSoftmax()和nn.NLLLoss()结合在一起，nn.LogSoftmax()相当于先对输入矩阵计算softmax值，然后取log。举例说明这几个函数的功能：（1）使用nn.Softmax() + torch.log()来模拟nn.LogSoftmax()import torchimport torch.nn as nn# 随机生成输入input = torch.randn

1. 设置训练模型的GPU设备的方式device = torch.device("cuda:1" )model = model.to(device)2. CPU和GPU上Tensor的比较该部分参考自来自达摩院大神的讲解PyTorch中的数据类型为Tensor，Tensor与Numpy中的ndarray类似，同样可以用于标量，向量，矩阵乃至更高维度上面的计算。PyTorch中的tensor又包括CPU上的数据类型和GPU上的数据类型，一般GPU上的Tensor是CPU上的Tensor加cuda(

待完成。。。

待写。。。

1. DatasetDataset表示的是静态的数据集，DataLoader的侧重点在于Loader加载器，将Dataset中的数据按照一定的规则加载到神经网络中2. DataLoader用法详解DataLoader类涉及到的参数如下：torch.utils.data.DataLoader(dataset, batch_size=1, shuffle=False, sampler=None, batch_sampler=None, num_workers=0, collate_fn=None, p

1. Transforms该如何使用?Transforms用来对输入图片的格式及样式做一些改变，使用时需要注意图像的输入格式：PIL格式---->Image.open()ndarray------>cv.imread()转换成Tensor格式-------->ToTensor()from PIL import Imagefrom torchvision.transforms import transformsimg_path = "dataset/facades/tra

根据下面的代码可以看出，call()函数不用显示调用，而是使用对象初始化的方式来调用。class Person: def __call__(self, name): print("__call__" + " hello " + name) def hello(self, name): print("hello ", name)p = Person()p("Amy")p.hello("Mike")# 结果如下：__call__ hello Am

声明：此文章用来记录我对于题目的解法及大佬们优秀的解答，部分代码是复制的别人的，所以此文章只是为了方便我日后重新看优秀的解答，如涉及代码版权请联系我删除。1. 题目问题实现 pow(x, n) ，即计算 x 的 n 次幂函数（即，xn）。不得使用库函数，同时不需要考虑大数问题。示例输入：x = 2.00000, n = 10输出：1024.000002. 解答（1）我的暴力递归法class Solution: # 递归方法 def myPow(self, x: float,

声明：此文章用来记录我对于题目的解法及大佬们优秀的解答，部分代码是复制的别人的，所以此文章只是为了方便我日后重新看优秀的解答，如涉及代码版权请联系我删除。1. 题目问题：在一个 n * m 的二维数组中，每一行都按照从左到右递增的顺序排序，每一列都按照从上到下递增的顺序排序。请完成一个高效的函数，输入这样的一个二维数组和一个整数，判断数组中是否含有该整数。示例：2. 解答（1）我的暴力解法# 方法1：丝毫没有进行优化， 时间复杂度：O(m*n), 空间复杂度O(1) def find

这篇文章系统的介绍了搭建、训练单隐藏层神经网络的步骤。将“肿瘤预测”数据集划分为训练集和测试集，使用训练集训练神经网络，使用测试集来预测训练好的神经网络的效果。

一、背景这里介绍的是TensorFlow-GPU版本，因为CPU版本的安装过程相对容易，想安装CPU版本的请参照其他帖子。想要安装GPU版本的，需要查看一下自己的电脑显卡是否支持GPU版本。大家可以可以先装一下Anaconda，为自己的深度学习程序创建一个独立的虚拟环境。默认大家已经安装了Anaconda，装没装都没关系，只不过有了Anaconda对于我来说更加方便。二、平台介绍笔者的系...

CValues = (0.01, 0.03, 0.1, 0.3, 1, 3, 10, 30)sigmaValues = CValuesbestPair, bestScore = (0, 0), 0for C in CValues: for sigma in sigmaValues: gamma = np.power(sigma, -2)/2 clf ...

DataFrame是Pandas的两大数据结构之一（另一个是Series），array是Numpy中的数据结构1.DataFrame转array的方式：array = df.values2.array转DataFrame的方式：df = pd.Dataframe(array)举例：import pandas as pddata = {'name':['Zhang Sa...

1.切片操作的目的、用途：从某个对象中抽取部分值2.索引值索引值分为正索引和负索引我们以数组 a = [0,1,2,3,4,5] 为例:数值与索引值对应关系 数值 0 1 2 3 4 5 正索引 0 1 2 3 4 5 负索引 -6 -5 -4 -3 -2 -1...

今天我在安装Anaconda虚拟环境过程中，一直报以下错误：>conda create -n deep python=3.5 anacondaSolving environment: failedCondaHTTPError: HTTP 000 CONNECTION FAILED for url <https://repo.anaconda.com/pkgs/pro/win...