标签: pytorch

我正在尝试深入了解PyTorch Tensor内存模型的工作原理.

# input numpy array
In [91]: arr = np.arange(10, dtype=float32).reshape(5, 2)

# input tensors in two different ways
In [92]: t1, t2 = torch.Tensor(arr), torch.from_numpy(arr)

# their types
In [93]: type(arr), type(t1), type(t2)
Out[93]: (numpy.ndarray, torch.FloatTensor, torch.FloatTensor)

# ndarray 
In [94]: arr
Out[94]: 
array([[ 0.,  1.],
       [ 2.,  3.],
       [ 4.,  5.],
       [ 6.,  7.],
       [ 8.,  9.]], dtype=float32)

我知道PyTorch张量器共享 NumPy ndarrays 的内存缓冲区.因此,改变一个将反映在另一个.所以,在这里我正在切片并更新Tensor中的一些值t2

In [98]: t2[:, 1] = 23.0

正如预期的那样,它已经更新t2,arr因为它们共享相同的内存缓冲区.

In …

我是pytorch的新手,我很难理解它是如何torch.nn.Parameter()工作的.

我已经浏览了https://pytorch.org/docs/stable/nn.html中的文档,但可能会对此有所了解.

有人可以帮忙吗？

我正在处理的代码片段:

def __init__(self, weight):
    super(Net, self).__init__()
    # initializes the weights of the convolutional layer to be the weights of the 4 defined filters
    k_height, k_width = weight.shape[2:]
    # assumes there are 4 grayscale filters
    self.conv = nn.Conv2d(1, 4, kernel_size=(k_height, k_width), bias=False)
    self.conv.weight = torch.nn.Parameter(weight)

使用了pytorch.org有关如何安装它的安装指南，我正在使用的命令是

pip install torch===1.4.0 torchvision===0.5.0 -f https://download.pytorch.org/whl/torch_stable.html

但它出现了这个错误；

错误：找不到满足要求的版本 torch===1.4.0（来自版本：0.1.2、0.1.2.post1、0.1.2.post2）

错误：没有找到与 torch===1.4.0 匹配的分布

这甚至是与我有关的问题吗？其他人可以使用这个命令吗？

Pip 已安装并适用于其他模块、Python 3.8、CUDA 版本 10.1、Windows 10 Home 2004

我正在使用迁移学习ResNet-18为斯坦福汽车数据集构建分类模型。我想实施标签平滑来惩罚过度自信的预测并提高泛化能力。

TensorFlow在 中有一个简单的关键字参数CrossEntropyLoss。有没有人为PyTorch我可以即插即用的类似功能？

我使用的是配备 Intel Corporation HD Graphics 5500 (rev 09) 和 AMD Radeon r5 m255 显卡的笔记本电脑。

有谁知道如何为深度学习设置它，特别是 fastai/Pytorch？

我正在尝试从书中学习 Pytorch，但这对我来说似乎不是一条直线。我复制了下面的代码并粘贴到我的 jupyter 笔记本中。它给了我一个我无法解释的错误。

from torchvision import models
model = models.alexnet(pretrained=True)

# set the device
device = 'cuda' if torch.cuda.is_available() else 'cpu'
print(f'Device: {device}')

model.eval()
model.to(device)
y = model(batch.to(device))
print(y.shape)

这是错误：

---------------------------------------------------------------------------
RuntimeError                              Traceback (most recent call last)
<ipython-input-50-03488007067c> in <module>
      1 from torchvision import models
----> 2 model = models.alexnet(pretrained=True)
      3 
      4 # set the device
      5 device = 'cuda' if torch.cuda.is_available() else 'cpu'

~\anaconda3\lib\site-packages\torchvision\models\alexnet.py in alexnet(pretrained, progress, **kwargs)
     61     model = AlexNet(**kwargs)
     62     if pretrained:
---> 63         state_dict …

有什么办法,我可以在PyTorch中添加简单的L1/L2正则化吗？我们可以通过简单地添加data_losswith 来计算正则化损失reg_loss但是有没有明确的方法,PyTorch库的任何支持都可以更轻松地完成它而不需要手动执行它？

ipdb> outputs.size()
torch.Size([10, 100])
ipdb> print sum(outputs,0).size(),sum(outputs,1).size(),sum(outputs,2).size()
(100L,) (100L,) (100L,)

如何对列进行求和？

我遇到了这个PyTorch 教程（在 neural_networks_tutorial.py 中），他们在其中构建了一个简单的神经网络并运行了推理。我想打印整个输入张量的内容以进行调试。当我尝试打印张量时，我得到的是这样的，而不是整个张量：

我看到了一个类似的 numpy链接，但不确定什么对 PyTorch 有用。我可以将它转换为 numpy 并可以查看它，但希望避免额外的开销。有没有办法打印整个张量？

在 fastai 编码人员的前沿深度学习课程第 7 课中。

 self.conv1 = nn.Conv2d(3,10,kernel_size = 5,stride=1,padding=2)

10 是否意味着过滤器的数量或过滤器将提供的激活数量？