小编trs*_*chn的帖子

我正在训练 PyTorch 模型来执行二元分类。我的少数群体约占数据的 10%，所以我想使用加权损失函数。的文档BCELoss说CrossEntropyLoss我可以为每个示例使用 a 'weight'。

但是，当我声明CE_loss = nn.BCELoss()ornn.CrossEntropyLoss()然后 do CE_Loss(output, target, weight=batch_weights), where output, target, and batch_weightsare Tensors of 时batch_size，我收到以下错误消息：

forward() got an unexpected keyword argument 'weight'

I use the brokenaxes package (https://github.com/bendichter/brokenaxes) to break the y-axis (//). Now I want a second Y-axis, which should also be broken (//) just like the first one.

How do I do this in the following example?

import numpy as np
import matplotlib.pyplot as plt
from brokenaxes import brokenaxes
fig, ax = plt.subplots()
plt.gca().axes.get_yaxis().set_visible(False)

bax = brokenaxes(ylims=((0, 1.1), (60, 80)), hspace=.05)
x = np.linspace(0, 1, 100)
bax.plot(x, 5 * np.sin(10 * x) + 70)
bax.plot(x, 0.25* np.cos(40 * …

我一定在使用 fast-ai 库时遇到了严重问题，因为我似乎是唯一遇到此问题的人。每次我尝试学习率查找器或训练网络时，它都会给我一个错误。我花了一周时间才产生这个特定的错误信息，这让我检查了掩码值。事实证明，背景像素为 0，前景像素为 255。这是一个问题，因为我只有两个类。如何在我的 Databunch 对象中将 255 个值更改为 1？有没有办法将每个掩码值除以 255 或者我是否需要事先以某种方式进行？我有点迷失在这个过程中。

这是我收到的错误消息：

LR Finder is complete, type {learner_name}.recorder.plot() to see the graph.

---------------------------------------------------------------------------

LR Finder is complete, type {learner_name}.recorder.plot() to see the graph.

---------------------------------------------------------------------------

这也是我设置数据的方式：

    RuntimeError                              Traceback (most recent call last)

    <ipython-input-20-c7a9c29f9dd1> in <module>()
    ----> 1 learn.lr_find()
          2 learn.recorder.plot()

    8 frames

    /usr/local/lib/python3.6/dist-packages/fastai/train.py in lr_find(learn, start_lr, end_lr, num_it, stop_div, wd)
         39     cb = LRFinder(learn, start_lr, end_lr, num_it, stop_div)
         40     epochs = int(np.ceil(num_it/len(learn.data.train_dl)))
    ---> 41     learn.fit(epochs, start_lr, callbacks=[cb], wd=wd)
         42 
         43 …

我有一个带有 PyTorch 和 Tensorflow 的 conda 环境，它们都需要 CUDA 9.0（来自 conda 的~cudatoolkit 9.0）。在使用torchvision和cudatoolkit（就像他们在他们的网站上提供的）安装pytorch之后，我想安装Tensorflow，这里的问题是我收到这个错误：

Collecting package metadata (current_repodata.json): done
Solving environment: failed with initial frozen solve. Retrying with flexible solve.
Collecting package metadata (repodata.json): done
Solving environment: failed with initial frozen solve. Retrying with flexible solve.
Solving environment: / 
Found conflicts! Looking for incompatible packages.
This can take several minutes.  Press CTRL-C to abort.
failed                                                                                                   

UnsatisfiableError: The following specifications were found
to be incompatible with the existing python installation in your environment: …

我使用一些类似于以下的代码 - 用于数据增强：

    from torchvision import transforms

    #...

    augmentation = transforms.Compose([
        transforms.RandomApply([
            transforms.RandomRotation([-30, 30])
        ], p=0.5),
        transforms.RandomHorizontalFlip(p=0.5),
    ])

在测试过程中，我想修复随机值，以在每次更改模型训练设置时重现相同的随机参数。我该怎么做？

我想做类似的事情，np.random.seed(0)所以每次我第一次以概率调用随机函数时，它将以相同的旋转角度和概率运行。换句话说，如果我根本不更改代码，那么当我重新运行它时，它必须重现相同的结果。

或者，我可以单独进行变换，使用p=1，将角度min和固定max为特定值，并使用 numpy 随机数来生成结果，但我的问题是我是否可以保持上面的代码不变。