小编Sta*_*Geo的帖子

我对如何计算验证损失有点困惑？验证损失是在一个时期结束时计算还是应该在批次迭代期间监控损失？下面我使用 running_loss 进行了计算，该损失是分批累积的 - 但我想看看它是否是正确的方法？

def validate(loader, model, criterion):                       
    correct = 0                                               
    total = 0                                                 
    running_loss = 0.0                                        
    model.eval()                                              
    with torch.no_grad():                                     
        for i, data in enumerate(loader):                     
            inputs, labels = data                             
            inputs = inputs.to(device)                        
            labels = labels.to(device)                        
                                                              
            outputs = model(inputs)                           
            loss = criterion(outputs, labels)                 
            _, predicted = torch.max(outputs.data, 1)         
            total += labels.size(0)                           
            correct += (predicted == labels).sum().item()     
            running_loss = running_loss + loss.item()         
    mean_val_accuracy = (100 * correct / total)               
    mean_val_loss = ( running_loss )                  
    #mean_val_accuracy = accuracy(outputs,labels)             
    print('Validation Accuracy: %d %%' …

我需要为我的连接找到tnsnames.ora文件.我的服务器是远程托管的,即我没有在我的物理系统上安装它.

我正在尝试了解一些计算机视觉主题。我观察到这两者之间的一个主要区别是，在光流中，第二张图像通常在时间 (t+1) 处，而在视差估计中，它通常是相同的时间步长，除非有一个静态视图并使用单个非立体相机。还有其他区别及其各自的含义吗？