#
我就废话不多说了，直接上代码吧！ # -*- coding: utf-8 -*- #@Time :2019/7/1 13:34 #@Author :XiaoMa import torch a
一、作用 创建一个新的Tensor，该Tensor的type和device都和原有Tensor一致，且无内容。 二、使用方法 如果随机定义一个大小的Tensor，则新的Tensor有两种创建方法，如下
在很多神经网络中，往往会出现多个层共享一个权重的情况，pytorch可以快速地处理权重共享问题。 例子1： class ConvNet(nn.Module): def __init__(sel
为了解决传统RNN无法长时依赖问题，RNN的两个变体LSTM和GRU被引入。 LSTM Long Short Term Memory，称为长短期记忆网络，意思就是长的短时记忆，其解决的仍然是短时记忆问
接触pytorch一天，发现pytorch上手的确比TensorFlow更快。可以更方便地实现用预训练的网络提特征。 以下是提取一张jpg图像的特征的程序： # -*- coding: utf-8
今天训练faster R-CNN时，发现之前跑的很好的程序（是指在运行程序过程中，显卡利用率能够一直维持在70%以上），今天看的时候，显卡利用率很低，所以在想是不是我的训练数据torch.Tensor
我就废话不多说了，直接上代码吧！ import numpy as np import torch import torch.nn as nn import torch.nn.functional
今天在测试一个pytorch代码的时候显示显存不足，但是这个网络框架明明很简单，用CPU跑起来都没有问题，GPU却一直提示out of memory. 在网上找了很多方法都行不通，最后我想也许是pyt
由于研究关系需要自己手动给卷积层初始化权值，但是好像博客上提到的相关文章比较少（大部分都只提到使用nn.init里的按照一定分布初始化方法），自己参考了下Pytorch的官方文档，发现有两种方法吧。
squeeze的用法主要就是对数据的维度进行压缩或者解压。 先看torch.squeeze() 这个函数主要对数据的维度进行压缩，去掉维数为1的的维度，比如是一行或者一列这种，一个一行三列（1,3）的
