我正在阅读PyTorch的文档,并找到了他们编写的示例
gradients = torch.FloatTensor([0.1, 1.0, 0.0001])
y.backward(gradients)
print(x.grad)
其中x是一个初始变量,从中构造y(一个3向量).问题是,渐变张量的0.1,1.0和0.0001参数是什么？文档不是很清楚.
我有一台配备GeForce 940 MX的笔记本电脑.我想让Tensorflow在gpu上运行.我从他们的教程页面安装了所有内容,现在当我导入Tensorflow时,我得到了
>>> import tensorflow as tf
I tensorflow/stream_executor/dso_loader.cc:128] successfully opened CUDA library libcublas.so locally
I tensorflow/stream_executor/dso_loader.cc:128] successfully opened CUDA library libcudnn.so locally
I tensorflow/stream_executor/dso_loader.cc:128] successfully opened CUDA library libcufft.so locally
I tensorflow/stream_executor/dso_loader.cc:119] Couldn't open CUDA library libcuda.so.1. LD_LIBRARY_PATH:
I tensorflow/stream_executor/cuda/cuda_diagnostics.cc:165] hostname: workLaptop
I tensorflow/stream_executor/cuda/cuda_diagnostics.cc:189] libcuda reported version is: Not found: was unable to find libcuda.so DSO loaded into this program
I tensorflow/stream_executor/cuda/cuda_diagnostics.cc:193] kernel reported version is: Permission denied: could not open driver version path for reading: /proc/driver/nvidia/version
I …我想在pytorch中编写一个简单的autoencoder并使用BCELoss,但是我得到了NaN,因为它期望目标在0和1之间.有人可以发布一个简单的BCELoss用例吗？
我有两个数据框：
df1形式的
user_id | x_coord | y_coord
214 -55.2 22.1
214 -55.2 22.1
214 -55.2 22.1
...
和df2，具有相同的形式，但具有不同的用户：
user_id | x_coord | y_coord
512 -15.2 19.1
362 65.1 71.4
989 -84.8 13.7
...
我的想法是，我想找到 中的用户df1和 中的所有用户之间的欧几里德距离df2。为此，我需要能够根据最后两列计算两个数据帧之间的欧几里德距离，以便找出第二个数据帧中与用户 214 最近的用户。
我找到了这个答案，但这不是我需要的，因为我的两个数据帧具有相同的形状，并且我需要以每行方式计算距离：
Euclidean_Distance_i(row_i_df1, row_i_df2)
并将所有这些距离保存在与这些数据帧长度相同的列表中。
基本上我有一个2d数组,我想做这个很好的numpy式的东西
noise_spec[:rows,:cols]
在Tensorflow.行和列只是两个整数.
我使用tf.slim来实现自动编码器.我完全卷积了以下架构:
[conv, outputs = 1] => [conv, outputs = 15] => [conv, outputs = 25] =>
=> [conv_transpose, outputs = 25] => [conv_transpose, outputs = 15] =>
[conv_transpose, outputs = 1]
它必须完全卷积,我不能汇集(更大的问题的限制).我想使用绑定的重量,所以
encoder_W_3 = decoder_W_1_Transposed
(因此第一解码器层的权重是最后一个编码器层的权重,被转置).
如果我重复使用权重,那么tfslim允许你重复使用它们,即reuse = True,然后只提供你想要重用的层的范围名称,我得到大小问题:
ValueError: Trying to share variable cnn_block_3/weights, but specified shape (21, 11, 25, 25) and found shape (21, 11, 15, 25).
如果您不转置先前模型的权重,这是有道理的.有没有人知道如何转换这些重量？
PS:我知道这是非常抽象和挥手,但我正在使用自定义api,在tfslim之上,所以我不能在这里发布代码示例.
我有一个reqs.txt文件,包含我需要在第二台计算机上安装的许多python要求.该文件如下所示:
alabaster==0.7.9
anaconda-client==1.6.0
anaconda-navigator==1.4.3
astroid==1.4.9
astropy==1.3
Babel==2.3.4
backports.shutil-get-terminal-size==1.0.0
beautifulsoup4==4.5.3
bitarray==0.8.1
blaze==0.10.1
...
我在用
pip3 install -r reqs.txt --requirement=reqs.txt
我明白了
me@pc:~$ pip3 install -r reqs.txt --requirement=reqs.txt
Collecting alabaster==0.7.9 (from -r reqs.txt (line 1))
Using cached alabaster-0.7.9-py2.py3-none-any.whl
Collecting anaconda-client==1.6.0 (from -r reqs.txt (line 2))
Could not find a version that satisfies the requirement anaconda-client==1.6.0 (from -r reqs.txt (line 2)) (from versions: 1.1.1, 1.2.2)
No matching distribution found for anaconda-client==1.6.0 (from -r reqs.txt (line 2))
对于该reqs.txt文件中的每个包.有任何想法吗？
编辑:reqs.txt文件是用pip freeze.创建的.即使我删除了版本号,它们仍然无法安装.但是,如果我做了一个
pip3 install alabaster …我有一个(非常大)列表类似于:
a = ['A', 'B', 'A', 'B', 'A', 'C', 'D', 'E', 'D', 'E', 'D', 'F', 'G', 'A', 'B']
我想从中提取一个列表列表,如:
result = [['A', 'B', 'A', 'B', 'A'], ['D', 'E', 'D', 'E', 'D']]
重复模式可以是不同的,例如,也可以存在间隔,例如:
['A', 'B', 'C', 'A', 'D', 'E', 'A'] (with a 'jump' over two elements)
我写了一个非常简单的代码似乎工作:
tolerance = 2
counter = 0
start, stop = 0, 0
for idx in range(len(a) - 1):
if a[idx] == a[idx+1] and counter == 0:
start = idx
counter += 1
elif a[idx] == …我想使用一个仅取 0 到 1 之间值的可学习参数。我如何在 pytorch 中做到这一点？
目前我正在使用：
self.beta = Parameter(torch.Tensor(1))
#initialize
zeros(self.beta)
但当我训练时，我得到这个参数的零和 NaN 。
我有一个类型的函数列表：
func_list = [lambda x: function1(input),
lambda x: function2(input),
lambda x: function3(input),
lambda x: x]
和形状数组 [4, 200, 200, 1]（一批图像）。
我想沿第 0 轴按顺序应用函数列表。
编辑：重新表述问题。这相当于上面的。说，而不是数组，我有一个由 4 个相同数组组成的元组，形状为 (200, 200, 1)，我想在第一个元素上应用 function1，在第二个元素上应用 function2，等等。这可以在没有的情况下完成吗？ for 循环？