标签: torch

在Lua中,doFile和require之间有什么区别,特别是在Torch中？你什么时候打电话给另一个而不打另一个？什么时候会工作但另一个不会？(我正在使用Lua 5.1,火炬7).

我按照说明安装了Torch7 .但是,我无法通过命令行解释器移植任何包:

kamransiquisMBP:~ khsiddiqui$ th

  ______             __   |  Torch7                                         
 /_  __/__  ________/ /   |  Scientific computing for Lua. 
  / / / _ \/ __/ __/ _ \  |  Type ? for help                                
 /_/  \___/_/  \__/_//_/  |  https://github.com/torch         
                          |  http://torch.ch                  

    th> require "nn"
    ...rs/khsiddiqui/torch/install/share/lua/5.1/trepl/init.lua:384:
    ...rs/khsiddiqui/orch/install/share/lua/5.1/trepl/init.lua:384:
    loop or previous error loading module 'torch'
    stack traceback:
        [C]: in function 'error 
        ...rs/khsiddiqui/torch/install/share/lua/5.1/trepl/init.lua:384: 
        in function 'require' [string "_RESULT={require "nn"}"]:1: in main chunk   
        [C]: in function 'xpcall' 
        ...rs/khsiddiqui/torch/install/share/lua/5.1/trepl/init.lua:651:
        in function 'real'...iqui/torch/install/lib/luarocks/rocks/trepl/scm-1/bin/th:199:
        in main chunk …

我已经学习了 CNN( ) 模型model.t7，并且想在另一个基于 Python 的深度学习框架（例如 TensorFlow）上使用该模型。

你能告诉我如何实现它吗？

谢谢。

所以我正在阅读 pytorch 文档，试图学习和理解一些东西（因为我是机器学习的新手），我发现torch.bernoulli()并且我理解（我想念理解它）它近似于具有 1 到 1 之间的值的张量0 到 1 或 0 取决于值（例如经典学校小于 0.5 = 0 ，大于或等于 0.5 = 1）

经过我自己的一些实验，是的，它按预期工作

 >>>y = torch.Tensor([0.500])
 >>>x
 >>>  0.5000
     [torch.FloatTensor of size 1]    
 >>> torch.bernoulli(x)
 >>> 1
     [torch.FloatTensor of size 1]

但是当我查看文档时有些奇怪

>>> a = torch.Tensor(3, 3).uniform_(0, 1) # generate a uniform random matrix with range [0, 1]
>>> a

 0.7544  0.8140  0.9842
**0.5282** 0.0595  0.6445
 0.1925  0.9553  0.9732
[torch.FloatTensor of size 3x3]

>>> torch.bernoulli(a)

 1  1  1
 **0**  0 …

Numpy 为任何RxR -> R函数（如np.multiply.outer或 ）提供优化的外部操作np.subtract.outer，其行为如下：

>>> np.subtract.outer([6, 5, 4], [3, 2, 1])
array([[3, 4, 5],
       [2, 3, 4],
       [1, 2, 3]])

Pytorch 似乎没有提供这样的功能（或者我错过了）。
使用火炬张量最好/通常/最快/最干净的方法是什么？

torch 中的一些操作是就地执行的。例如，速记运算符如 +=。

是否可以就地执行其他操作，例如softmax？

我目前正在从事语言处理工作。该模型在大量词汇上生成一长串概率分布。最终输出张量约占分配内存的 60%。这是一个很大的问题，因为我需要计算它的 softmax ，这会使所需的内存加倍。

这是问题的一个例子。我对张量 t 不感兴趣，只对它的 softmax 感兴趣：

import numpy as np
import torch
import torch.nn.functional as F

t = torch.tensor(np.zeros((30000,30000))).cuda()  #allocates 6.71 GB of GPU
softmax = F.softmax(t, 1)  #out of memory error
del t  #too late, program crashed

即使以下方法也不起作用：

F.softmax(torch.tensor(np.zeros((30000,30000))).cuda(), 1)

l_conv7 = self.loc_conv7(conv7_feats)  # (N, 24, 19, 19)
l_conv7 = l_conv7.permute(0, 2, 3, 1).contiguous()  # (N, 19, 19, 24)
l_conv7 = l_conv7.view(batch_size, -1, 4)  # (N, 2166, 4), there are a total 2116 boxes on this feature map

在 TensorFlow 中与火炬视图的等价性是什么？如何更改 TensorFlow 2.0 中的 l_conv7.view？

我正在尝试在 Raspberry PI 上使用 libtorch 构建 C++ 程序。该程序在 Ubuntu 上运行，但在 Raspberry 上构建时出现以下错误：

error: use of deleted function \xc3\xa2\xe2\x82\xac\xcb\x9cvoid torch::jit::script::Module::operator=(const torch::jit::script::Module&)\xc3\xa2\xe2\x82\xac\xe2\x84\xa2\nIn file included from /usr/include/torch/csrc/jit/ir.h:18,\n                 from /usr/include/torch/csrc/jit/tracer.h:9,\n                 from /usr/include/torch/csrc/autograd/generated/variable_factories.h:8,\n                 from /usr/include/torch/csrc/api/include/torch/types.h:7,\n                 from /usr/include/torch/script.h:3,\n                 from /tmp/tmp.k6618dczxt/src/../include/suvoNet.h:26,\n                 from /tmp/tmp.k6618dczxt/src/../include/classifier.h:17,\n                 from /tmp/tmp.k6618dczxt/src/classifier.cpp:11:\n/usr/include/torch/csrc/jit/script/module.h:319:3: note: declared here\n   TH_DISALLOW_COPY_AND_ASSIGN(Module);\n

这是崩溃的代码：

MyClass::MyClass() {\n    try {\n        // Deserialize the ScriptModule from a file using torch::jit::load().\n        network = torch::jit::load(MODEL_FILE);\n    }\n    catch (const c10::Error& e) {\n        std::cerr << "Error loading the model\\n";\n        exit(-1);\n    }\n}\n\n

已network声明为私有 …

我使用“(pytorch) eben:~ eben_hu$ conda install torch”在我的环境“pytorch”中安装 torch，结果如下： 解决环境：初始冻结解决失败。使用灵活的解决方案重试。

PackagesNotFoundError：当前渠道无法提供以下软件包：

• 火炬

目前渠道：

• https://repo.anaconda.com/pkgs/main/osx-64
• https://repo.anaconda.com/pkgs/main/noarch
• https://repo.anaconda.com/pkgs/r/osx-64
• https://repo.anaconda.com/pkgs/r/noarch

要搜索可能提供您正在寻找的 conda 包的替代频道，请导航至

https://anaconda.org

并使用页面顶部的搜索栏。

我想知道为什么anaconda中没有这样的包？

我有一张图，由 4 个矩阵定义：（x节点特征）、y（节点标签）、edge_index（边列表）和edge_attr（边特征）。我想使用这个单一图形在 Pytorch Geometric 中创建一个数据集并执行节点级分类。由于某种原因，仅仅将这 4 个矩阵包装到一个对象中似乎data失败了。

我创建了一个包含属性的数据集：

Data(edge_attr=[3339730, 1], edge_index=[2, 3339730], x=[6911, 50000], y=[6911, 1])

代表一个图。如果我尝试对这个图进行切片，例如：

train_dataset, test_dataset = dataset[:5000], dataset[5000:]

我收到错误：

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-11-feb278180c99> in <module>
      3 # train_dataset, test_dataset = torch.utils.data.random_split(dataset, [train_size, test_size])
      4 
----> 5 train_dataset, test_dataset = dataset[:5000], dataset[5000:]
      6 
      7 # Create dataloader for training and test dataset.

~/anaconda3/envs/py38/lib/python3.8/site-packages/torch_geometric/data/data.py in __getitem__(self, key)
     92     def __getitem__(self, key):
     93         r"""Gets …