pytorch

    3熱度

    1回答

    我想要一個代碼量最小的方法,這樣腳本中的所有內容都可以在GPU中自動運行(或者pytorch的標準方式)。例如: torch.everything_to_gpu() 然後它「正常工作」。我不在乎手動將東西放入GPU等。我只是想讓它自動完成它的工作(有點像tensorflow那樣嗎?)。我確實看到了a related question in the pytorch forum,但它似乎並沒有直接

    0熱度

    2回答

    我的windows10的子系統爲linux的14.04。我試圖在預裝的python2上安裝pytorch,但無法正常工作。錯誤是:torch-0.2.0.post1-cp27-cp27m-manylinux1_x86_64.whl在此平臺上不支持。我試圖安裝python3.6然後安裝pytorch,但仍然無法工作。錯誤是缺少模塊'apt_pkg'。任何人都有這個想法?

    0熱度

    1回答

    我想通過PyTorch的順序容器來構建cnn,我的問題是我無法弄清楚如何平鋪圖層。 main = nn.Sequential() self._conv_block(main, 'conv_0', 3, 6, 5) main.add_module('max_pool_0_2_2', nn.MaxPool2d(2,2)) self._conv_block(main, 'conv_1', 6, 1

    -2熱度

    1回答

    我想建立一個先進的深度學習模型(例如:使用注意力的模型),並在Android手機上使用它(當然不需要培訓),我只會用它進行推理。 我想要一個庫,可以做到這一點,並可以壓縮模型的大小,以在手機或Android上使用。 您是否知道任何類似於我的目標的項目或應用程序?

    0熱度

    1回答

    我試圖修改此pytorch示例(https://github.com/pytorch/examples/blob/master/mnist/main.py)以使用我自己的數據集。 我試圖將我的數據送入dataloader。我用兩種不同的方式封裝數據:一次是torch.utils.data.Dataset的擴展,一次是torch.utils.data.TensorDataset。不幸的是,我總是感到

    0熱度

    1回答

    我試圖運行pytorch (https://github.com/mattmacy/vnet.pytorch)互聯星空實現與 x_max = 512 y_max = 512 z_max = 500 voxspacing = 0.7 正火後掃描陣列相匹配的錯誤,當我打電話就行了tran功能的地方for循環通過數據加載器枚舉我得到一個 軸與陣列錯誤不匹配。 我不明白如何解決這個問題。任何幫助

    0熱度

    1回答

    我已經根據變量的變量維度更新了我的問題。 假設輸入張量存儲維度爲10x3的3d點,10表示#點,3表示特徵維度(比如x,y,z座標)。變量的維數取決於輸入張量,稱其維數爲10x10。當輸入張量將其尺寸更改爲50x3時,變量的尺寸也必須更改爲50x50。 我知道在Tensorflow中,如果輸入維度變化/未知,我們可以聲明它爲tf.placeholder(None,3)。但是,我從來沒有遇到變量大小

    1熱度

    3回答

    我曾嘗試在終端使用下面的命令來安裝PyTorch: pip install http://download.pytorch.org/whl/torch-0.2.0.post1-cp27-none-macosx_10_7_x86_64.whl 然後我在Python運行下面的代碼: import torch torch.__file__ ,並出現以下錯誤: File "/Users/bria

    1熱度

    1回答

    我想了解PyTorch如何工作,並希望在CIFAR上覆制一個簡單的CNN培訓。 CNTK腳本經過168秒的訓練(10個時期)後獲得0.76的準確性,這與我的MXNet腳本(在153秒後的準確性爲0.75)類似。 但是,我的PyTorch腳本在0.71準確度和354秒滯後很多。我很欣賞由於隨機權重初始化等原因,我會得到不同的準確度。然而跨框架的差異遠遠大於框架內的差異,在運行之間隨機初始化。 我能想

    0熱度

    2回答

    我試圖在Pytorch中創建一個基本的二進制分類器,該分類器可以分類我的玩家在遊戲Pong中的右側還是左側。輸入是一個1x42x42的圖像,標籤是我玩家的一面(右= 1或左= 2)。代碼: class Net(nn.Module): def __init__(self, input_size, hidden_size, num_classes): super(Net, sel