pytorch关于model的问题  named_modules modules children named_children parameters named_parameters state_dict   named_modules model.named_modules(),不但返回模型的所有子层，还会返回这些层的名字。这里的所有子层的意思指的是，会把可以迭代的层全部迭代一遍。 In [28]: len(model_named_modules) Out[28]: 15 In [29]: model_named_modules Out[29]: [('', Net( (features)...

做一下笔记 开头代码块 \usepackage{ algorithmic} \usepackage{ algorithm}  伪代码代码块 \begin{ algorithm}[!h] \caption{ PARTITION$(A,p,r)$}%算法标题 \begin{ algorithmic}[1]%一行一个标行号 \STATE $i=p$ \FOR{ $j=p$ to $r$} \IF{ $A[j]<=0$} \STATE $swap(A[i],A[j])$ \STATE $i=i+1$ \ENDIF \ENDFOR \end{ algorithmic} \end{ algorith...

Pytorch可视化模型的特定层  Import特定的库 编写forward_hook函数 模型初始化及可视化层注册 输入图片进行处理并进行可视化   Import特定的库 import torch import torchvision from torchvision import transforms from torchvision import utils import cv2 import nunmpy as np from PIL import Image  编写forward_hook函数 该函数用于模型注册，在模型forward时调用, 说白了就是把模型的特定层存到一个字典里 ...

显著性检测评估指标及计算方法  MAE   定义 计算方式  Fmeasure   定义 计算方式  Smeasure   定义 计算方式  PR_Curve   定义 计算方式    MAE 定义 Mean Absolute Error(平均绝对误差)， 观测值与真实值的误差绝对值的平均值。 计算方式  M A E = 1 H × W ∑ x = 1 H ∑ y = 1 W ∣ P ( x , y ) − G ( x , y ) ∣ MAE=\frac{1}{H \times W} \sum_{x=1}^{H} \sum_{y=1}^{W}|P(x, y)-G(x, y)| MAE=H×W1...

Docker相关操作  docker安装及nvidia-docker安装   docker(version<19) docker(version>=19)  基本操作   1.查看docker信息 2.对镜像进行操作（search, pull, images,rmi,history） 3. 启动容器（run） 4. 查看容器（ps） 5. 保存对容器的修改（commit） 6.对容器的操作（rm, stop, start, kill, logs, diff, top, cp,restart, attach） 7. 保存和加载镜像（save\load） 8.登陆registry se...

python魔法之迭代器  2021/8/9(迭代器初始next()) 2021/8/10(代理迭代)     实验  2021/8/11(使用生成器创建新的迭代模式)   实验  2021/8/12(反向迭代)   例子  2021/8/13(迭代切片) 2021/8/14(排列组合的迭代)   关于zip     2021/8/9(迭代器初始next()) import datetime # 迭代器 List_example = ["A", 1, lambda x: x+2] it = iter(List_example) it_1 = next(it) it_2 = ...

python魔法之文件与IO  2021年8月15日（print的细节）   读取字节数据  2021年8月15日（文件路径）   二级目录   三级目录     2021年8月15日（print的细节） 在使用print()函数输出数据时，想要改变默认的分割符或者行尾符。 可以使用sep和end关键字参数。 # seq指定输出时的分割符号，end指定结尾符号 print('A', 1, 2, sep=',', end='!!')  读取字节数据 如果想从二进制模式的文件中读取或写入文本数据，必须确保要进行解码和编码操作。 with open('somefile.bin', 'rb') as ...

python魔法之数据编码和处理  读写CSV数据 读写JSON数据     三级目录     读写CSV数据 假如我们有一个名为stocks.csv的文件 Symbol,Price,Date,Time,Change,Volume "AA",39.48,"6/11/2007","9:36am",-0.18,181800 "AIG",71.38,"6/11/2007","9:36am",-0.15,195500 "AXP",62.58,"6/11/...

文章目录  torch.autograd.Variable torch.Tensor Tensor的创建方法：    torch.autograd.Variable Variable是torch.autograd中的数据类型，主要用于封装Tensor，进行自动求导 data: 被包装的Tensor grad: data的梯度 grad_fn: 创建Tensor的Function，是自动求导的关键 requires_grad: 指示是否需要梯度 is_leaf: 指示是否是叶子节点 torch.Tensor 从Pytorch0.4.0开始，Variable并入Tensor dtype: 张量的数...

PyTorch 2.张量操作  张量拼接 张量切分 张量索引 张量变换   张量拼接 torch.cat(tensors, dim=0, out=None)  功能：将张量按维度dim进行拼接，不创建新的维度 tensors:张量序列 dim:要拼接的维度 torch.stack(tensors, dim=0, out=None)  功能：在新创建的维度dim上进行拼接，创建新的维度 tensors:张量序列 dim:要拼接的维度 张量切分 torch.chunk(input, chunks, dim=0)  功能：将张量按维度dim进行平均切分 返回值：张量列表 注意事项：若不能整除，最后一...

PyTorch 3. autograd  autograd auto_grad具体操作 推理环节 tensor.data autograd.grad和hook 扩展autograd   autograd  动态图：运算与搭建同时进行 静态图：先搭建图，后运算 计算图只能backward一次，若想再次使用则必须设置retain_graph=True  torch.autograd.grad(outputs, inputs, grad_outputs=None, retain_graph=None, create_graph=False)  功能：求取梯度 outputs:用于求导的张量，如los...

PyTorch 4.DataLoader与Dataset  torch.utils.data.DataLoader torch.utils.data.Dataset DataLoader源码解析   RandomSampler, SequentialSampler, BatchSampler DataLoaderIter _worker_loop collate_fn参数    torch.utils.data.DataLoader DataLoader( dataset, batch_size=1, shuffle=False, sampler=None, batch_sampler=Non...

PyTorch 5. Transform预处理  常用数据处理方法   常用数据处理方法 torchvision.transforms:常用的图像预处理方法 数据中心化 数据标准化 缩放 裁剪 旋转 翻转 填充 噪声添加 灰度变换 线性变换 仿射变换 亮度、饱和度及对比度变换  RandomCrop 功能：依据给定的size随机裁剪 参数： size(sequence or int) 若为sequence，则为（h,w），若为int，则（size,size） padding-(sequence or int, optional),此参数是设置填充多少个pixel 当为int时，图像上下左右均填...

模型创建步骤  torch.nn nn.Module   torch.nn  nn.Parameter 张量子类，表示可学习参数，如weight,bias nn.Module 所有网络层基类，管理网络属性、 nn.functional 函数具体实现，如卷积，池化，激活函数等 nn.init 参数初始化 parameters:存储管理nn.Parameters类 modules: 存储管理nn.Module类 buffers:存储管理缓冲属性，如BN层中的running_mean _hooks:存储管理钩子函数  nn.Module  一个module可以包含多个子module 一个module...