#
以读取VOC2012语义分割数据集为例，具体见代码注释： VocDataset.py from PIL import Image import torch import torch.utils.d
最近将Pytorch程序迁移到GPU上去的一些工作和思考 环境：Ubuntu 16.04.3 Python版本：3.5.2 Pytorch版本：0.4.0 0. 序言 大家知道，在深度学习中使用GPU
前言 由于机器学习的基本思想就是找到一个函数去拟合样本数据分布,因此就涉及到了梯度去求最小值,在超平面我们又很难直接得到全局最优值,更没有通用性,因此我们就想办法让梯度沿着负方向下降,那么我们就能得到
在目标检测的模型训练中， 我们通常都会有一个特征提取网络backbone， 例如YOLO使用的darknet SSD使用的VGG-16。 为了达到比较好的训练效果， 往往会加载预训练的backbone
我就废话不多说了，直接上代码吧！ 其实也不难，使用tertools.chain将参数链接起来即可 import itertools ... self.optimizer = optim.Adam(
关于Pytorch中怎么自定义Dataset数据集类、怎样使用DataLoader迭代加载数据，这篇官方文档已经说得很清楚了，这里就不在赘述。 现在的问题：有的时候，特别对于NLP任务来说，输入的数
原始生成对抗网络Generative Adversarial Networks GAN包含生成器Generator和判别器Discriminator，数据有真实数据groundtruth，还有需要网络
PyTorch 随机数生成占用 CPU 过高的问题 今天在使用 pytorch 的过程中，发现 CPU 占用率过高。经过检查，发现是因为先在 CPU 中生成了随机数，然后再调用.to(device)传
torch.nn.Modules 相当于是对网络某种层的封装，包括网络结构以及网络参数和一些操作 torch.nn.Module 是所有神经网络单元的基类 查看源码 初始化部分： def __i
1.简介(torch.nn下的) 卷积层主要使用的有3类，用于处理不同维度的数据 参数 Parameters： in_channels(int) – 输入信号的通道 out_channels(int)
