小编Afs*_*ooy的帖子

有没有办法在Pycharm中渲染README.md中的LaTex？因为它可以处理.tex文件，所以我认为这样做应该很容易。

我有一个有4个布尔输出的网络.这不是分类问题,而且每个问题都是有意义的.我期望每个人得到零或一个.现在我使用了欧几里德损失函数.

有1000000个样本.在输入文件中,每个都有144个功能,因此输入的大小为1000000*144.我使用批量大小为50,否则处理时间太长.输出文件的大小为1000000*4,即每个输入有四个输出.

当我使用精确度层时,它会抱怨输出的维度.它只需要一个布尔输出,而不是四个.我认为这是因为它将问题视为分类问题.我有两个问题.首先,考虑到精度层的误差,欧几里德损失函数是否适合这项任务？我如何才能获得网络的准确性？其次,我将获得四个变量中每个变量的预测输出的确切值.我的意思是我需要每个测试记录的确切预测值.现在,我只有每批的损失值.请指导我解决这些问题.

谢谢,Afshin

火车网络是:

{ state {
 phase: TRAIN
}
 layer {
   name: "abbas"
   type: "HDF5Data"
   top: "data"
   top: "label"
   hdf5_data_param {
     source: "/home/afo214/Research/hdf5/simulation/Train-1000-11-     1/Train-Sc-B-1000-11-1.txt"
     batch_size: 50
   } 
 }

 layer {
   name: "ip1"
   type: "InnerProduct"
   bottom: "data"
   top: "ip1"
   inner_product_param {
     num_output: 350
     weight_filler {
       type: "xavier"
     }
   }
 }

 layer {
   name: "sig1"
   bottom: "ip1"
   top: "sig1"
   type: "Sigmoid"
 }

 layer {
   name: "ip2"
   type: "InnerProduct"
   bottom: "sig1"
   top: "ip2"
   inner_product_param {
     num_output: 150
     weight_filler {
       type: "xavier" …

在C ++版本的Libtorch中，我发现可以通过来获得float张量的值*tensor_name[0].data<float>()，在其中0我可以使用任何其他有效索引代替。但是，当我int通过at::kInt在张量创建中添加选项来定义张量时，我无法使用此结构来获取张量的值，即类似*tensor_name[0].data<at::kInt>()或*tensor_name[0].data<int>()不起作用的内容，调试器会不断说Couldn't find method at::Tensor::data<at::kInt>或Couldn't find method at::Tensor::data<int>。我可以通过获取值auto value_array = tensor_name=accessor<int,1>()，但是使用起来更容易*tensor_name[0].data<int>()。您能告诉我如何使用张data<>()量值int吗？

我的类型也有同样的问题bool。

谢谢，阿夫申

我想绘制一些输入变量与目标值的部分依赖图。我使用 sklearn 训练了一个梯度增强模型，然后使用获得的模型运行了sklearn.inspection.plot_partial_dependence. 但是，我收到ValueError: percentiles are too close to each other, unable to build the grid. Please choose percentiles that are further apart错误。知道如何解决这个问题吗？

这是我的代码：

    columns = ['zip', 't-s', 'r', 'f', 'm-t', 'ir', 'if', 'n-d-m', 't-n-d', 'a-d-f-l-d-t', 'a-d-f-l-a-t', 'a']

print("Training GradientBoostingRegressor...")
est = HistGradientBoostingRegressor()
est.fit(inputsTrain, outputsTrain)
print("Test R2 score: {:.2f}".format(est.score(inputsTest, outputsTest)))

print('Computing partial dependence plots...')
features = columns + [('zip', 'r')]
plot_partial_dependence(est, inputsTrain, features,
                        n_jobs=3, grid_resolution=20)
fig = plt.gcf()
fig.subplots_adjust(wspace=0.4, hspace=0.3)

我收到以下错误：

joblib.externals.loky.process_executor._RemoteTraceback: 
Traceback (most recent call …

我想用提取优化网络的权重python.我有.caffemodel文件,我已经获得net.params,它给了我整个网络的参数.问题是当我为例如第一层调用它时,即net.params['ip2']它给了我:

python

我怎样才能得到权重矩阵而不是指针？

提前致谢,

阿夫欣

我需要将一行一个张量 (in c++ API)复制到另一个张量的某个部分中，开始和结束索引可用的形式。在 C++ 中，我们可以使用类似的东西：

int myints[] = {10, 20, 30, 40, 50, 60, 70};
std::vector<int> myvector(18);

std::copy(myints, myints + 3, myvector.begin() + 4);

从第四个索引开始将三个值复制myints到 into 中myvector。我想知道libtorch（即 C++）中是否有类似的 API ？

有没有办法更新pycharm社区版上的所有软件包？目前我只能一一更新，而且我有很多过时的软件包！

我没有 conda 环境，在 Windows 10 上使用安装 python。

我有一个简单的卷积网络：

import torch.nn as nn 

class model(nn.Module):
def __init__(self, ks=1):
    super(model, self).__init__()
    self.conv1 = nn.Conv2d(in_channels=4, out_channels=32, kernel_size=ks, stride=1)

    self.fc1 = nn.Linear(8*8*32*ks, 64)
    self.fc2 = nn.Linear(64, 64)

def forward(self, x):
    x = F.relu(self.conv1(x))
    x = x.view(x.size(0), -1)
    x = F.relu(self.fc1(x))
    x = self.fc2(x)
    return x

cnn = model(1)

由于内核大小为1且输出通道为32，我假设32*1*1该层中应该有权重。但是，当我询问pytorch权重矩阵的形状时cnn.conv1.weight.shape，它返回torch.Size([32, 4, 1, 1])。为什么输入通道的数量会对conv2d层的权重产生影响？

我错过了什么吗？