torch

    0熱度

    1回答

    我目前正在嘗試在我的Ubuntu 16.04機器上安裝火炬。我已經安裝了Cuda 8.0,nvidia-smi爲我提供了我正在使用的375.66版本。 但是,試圖運行 ./install.sh 從~/torch文件夾中時,我得到了以下錯誤消息。 -- Installing: /home/yenicelik/torch/install/lib/luarocks/rocks/optim/1.0.5

    0熱度

    1回答

    似乎gnuplot正在將所有浮點值舍入爲整數。當從documentation x=torch.linspace(-2*math.pi,2*math.pi) gnuplot.plot(torch.sin(x)) 策劃與這兩條線線或面,如我獲得 ,而不是 正如預期的那樣,print(torch.sin(x):type())說,張的確是一個torch.FloatTensor ,所以我不明白在哪裏可

    0熱度

    2回答

    無法重新安裝最新的火炬。克隆新鮮回購和試圖通過install.sh執行一系列的make調用的結果來安裝: [ 75%] Building NVCC (Device) object lib/THC/CMakeFiles/THC.dir/generated/THC_generated_THCTensorMathCompareTDouble.cu.o [ 76%] Building NVCC (Dev

    0熱度

    1回答

    我想在Torch中創建一個自定義丟失函數,這是對ClassNLLCriterion的修改。具體而言,ClassNLLCriterion損耗是: loss(x, class) = -x[class] 我想修改這是: loss(x, class) = -x[class]*K 其中K是網絡輸入的功能,而不是網絡權重或網絡輸出。因此K可以被視爲一個常數。 什麼是實現此自定義條件的最簡單的方法? u

    1熱度

    1回答

    我有一個名爲:Image的圖像和一個名爲:container的正在運行的容器。我想安裝pytorch和anacoda。最簡單的方法是什麼?我必須更改dockerfile並構建新圖像嗎?非常感謝。

    0熱度

    1回答

    所以,我試圖用this tutorial在我的mac(Sierra)上設置torch-rnn。我已經完成了步驟1-6(基本安裝和預處理數據),但是當我嘗試運行實際需要的訓練命令我碰到一個錯誤: Catons-Mac-mini:torch-rnn catons$ th train.lua -gpu -1 -input_h5 data/datafile.h5 -input_json data/data

    3熱度

    1回答

    有兩個PyTorch庫: https://github.com/hughperkins/pytorch https://github.com/pytorch/pytorch 首先明確要求火炬和Lua是一個包裝,但第二不會對火炬項目的任何引用除了它的名字。 它與Lua Torch(http://torch.ch/)有什麼關係?

    0熱度

    1回答

    我是PyTorch的新手,在使用其他工具包一段時間後嘗試使用它。 我想了解如何編程自定義圖層和功能。而作爲一個簡單的測試,我寫了這個: class Testme(nn.Module): ## it _is_ a sublcass of module ## def __init__(self): super(Testme, self).__init__() de

    6熱度

    1回答

    由於亞當優化保持一對跑步平均像漸變的平均值/方差,我不知道它應該如何正確處理重量衰減。我看到了兩種實現方法。 只根據每個微量批次的目標損失,明確衰減權重更新梯度的平均值/方差。 (下面的代碼是從https://github.com/dmlc/mxnet/blob/v0.7.0/python/mxnet/optimizer.py截取) weight[:] -= lr*mean/(sqrt(varia

    0熱度

    1回答

    |我在torch7中有一個神經網絡,並且想要檢查神經網絡的動量如何發展,這是因爲我想修改/減少它,因爲我想要用這些值做一些額外的處理,並且需要速度項來做到這一點。 所以我有類似下面的代碼: for t = 1, params.num_iterations do local x, losses = optim.adam(feval, img, optim_state) img=