我是python和PyTorch的初学者，我必须实现一个用于图像识别的神经网络。我使用的是Macbook Pro (10.14)，我使用pip安装了Pytorch。这是我</em
浏览 0提问于2019-03-16得票数 1
1回答
每次重启后降低最大学习率
、、、、
我正在训练一个神经网络来完成一个基于计算机视觉的任务。对于优化器，我发现在整个训练中使用单一的学习率并不理想，人们所做的就是使用学习率调度器以特定的方式衰减学习率。因此，为了做到这一点，我尝试了PyTorch's CosineAnnealingWarmRestarts().，它的作用是以余弦方式退火/降低初始学习率(由我们设置)，直到它重启。在
浏览 46提问于2020-06-17得票数 1
1回答
访问卷积神经网络参数
、、、
我尝试从pytorch切换到tensorflow，由于该模型现在似乎在tensorflow中是固定的，因此在使用卷积神经网络时，我偶然发现了一个问题。我有一个非常简单的模型，只有一个Conv1D层和一个大小为2的内核。我想在一个小的配置上训练它，比如16个输入大小，然后导出32个输入大小的训练结果。
我如何访问
浏览 14提问于2020-05-06得票数 0
回答已采纳
我正在用ImageNet数据集训练神经网络，我注意到当我使用OpenCV函数cv2.imread()读取图像时，它们是BGR颜色格式的，所以这会影响训练精度吗?如果是，那么我如何在pytorch中将其更改为RGB？
浏览 18提问于2021-08-27得票数 1
我在测试我的模型时遇到了问题，当我训练我的模型时，它工作得很好。然而，当我尝试将测试数据放入模型中时，它给出了大小不匹配的错误，这是我所期望的。我把我的数据分成了70%的训练和30%的测试。我明白为什么会这样，但我不能解决它。numpy()[:100] , ypred_test.detach(
浏览 20提问于2020-12-10得票数 0
我正在用pytorch训练一个深度神经网络，我使用DataLoader对数据进行预处理，并对数据集进行多处理。我将num_workers属性设置为4这样的正数，batch_size为8。我在Google Colab环境下训练网络，但当训练持续几分钟后，停止训练，在读取.PNG文件时出错。我认为这是内存错误，我想知道GPU的数与b
浏览 0提问于2018-04-01得票数 0
1回答
填充平均池的理想行为是什么？
、、、、
最近，我训练了一个神经网络，使用pytorch，有一个平均的池层，里面有填充物。我对它的行为以及填充的平均池的定义感到困惑。例如，如果我们有一个输入张量： [4, 5, 6],当填充为1且内核大小为3时，第一个内核的输入应该是： 0, 1, 2火把的输出为12/4
浏览 0提问于2019-04-18得票数 3
回答已采纳
1回答
我正在用pytorch训练一个神经网络，我想在每一次迭代中保存权重。换句话说，我想要创建一个列表，其中包含了神经网络在训练过程中拥有的所有权重。我做了以下工作：
(.....code that is used to train theweight = model.fc2.weight.detach().
浏览 2提问于2019-11-08得票数 1
回答已采纳
1回答
我想在我的神经网络中引入一个自定义的层。数学运算应该是具有不可训练核的离散2D互相关(或卷积)。内核中的值取决于三件事:内核形状、步幅和填充。我打算将输出逐个元素与一个权重矩阵相乘。PyTorch已经实现了一个称为'Conv2d‘的离散2D互相关类，但是它生成一个随机核，并使用所述核的条目进行训练。如果可能的话，<em
浏览 0提问于2020-06-04得票数 2
我正在使用tabnet的PyTorch实现，但我不明白为什么我仍然收到这个错误。我将数据导入到dataframe中，使用此函数获得X，y，然后是我的训练测试拆分 def get_X_y(df):X_train, X_test, y_train, y_test = tra
浏览 64提问于2021-08-17得票数 0
回答已采纳
我有一个由模块组合组成的深度神经网络，如编码器、解码器等。在训练之前，我从预先训练的模型中加载其参数的一部分，仅用于模块的子集。例如，我可以加载一个预先训练好的编码器。然后，我想冻结预训练模块的参数，这样它们就不会与其他模块一起训练。在Pytorch中：
for param
浏览 7提问于2020-07-29得票数 1
我在AWS Sagemaker上有一个笔记本ml.t3.2xlarge实例，我想使用pytorch训练一个神经网络。nvidia-smi 我假设所有的notebook实例类型都有GPU，因为它们用于训练神经网络。
可以在这种类型的笔记本实例中使用GPU吗?<e
浏览 4提问于2021-11-24得票数 1
2回答
运行神经网络需要更长的时间
、、、、
我正在运行一系列神经网络(使用Tensorflow后端的Keras库)，在Jupyter Notebook中训练每个神经网络所花费的时间，我有以下结果：234
该程序由一个函数组成，该函数在它们各自的数据集上训练<
浏览 16提问于2018-03-05得票数 0
1回答
我从来没有真正做过任何实用的机器学习，这只是我的一个爱好。接受所有输入(我已经计算了其中的1278个)。将输入通过具有任意数量的隐藏层的神经网络发送，随机初始化权重，并计算所有可能采取的操作的值(231输出，在任何给定时间都有一些
浏览 0提问于2021-09-08得票数 2
我正在用PyTorch训练一个神经网络，它在某个时候有一个BatchNorm3d(C)。
当我使用InstanceNorm3d时，也会发生同样
浏览 3提问于2021-01-12得票数 1
1回答
我目前正在训练一些神经网络模型，我发现由于某种原因，尽管有可用的内存，但由于运行时错误，模型有时会在~200次迭代之前失败。10.76 GiB total capacity; 1.79 GiB already allocated; 3.44 MiB free; 9.76 GiB reserved in total by PyTorch)
它显示了在应该有9.76 be可用内存的情况下，只使用了大约1.8 be的RAM。我</e
浏览 10提问于2021-07-31得票数 0
我正在使用一个集群来训练一个使用PyTorch开发的递归神经网络。PyTorch自动线程，它允许并行使用机器的所有内核，而不必显式地为其编程。这太棒了！现在，当我尝试使用下面这样的脚本同时使用多个节点时：#$ -N comparison_of_architecture#$ -
浏览 7提问于2019-09-05得票数 0
我有一台带有独立GPU和专用GPU的游戏笔记本电脑(NVIDIA GeForce RTX 3070)。我认为这种缓慢的原因是因为tensorflow可能运行在专用GPU上，因为当我禁用专用GPU时，训练时间会加快10倍。这些是巨大的差异，一个数量级。
我知道内核</
浏览 4提问于2022-07-29得票数 0
据我从CUDA文档中了解到，CUDA内核是异步的，因此我们似乎应该在每次内核启动后调用cudaDeviceSynchronize。然而，除了在时间测量之前，我尝试了与任何cudaDeviceSynchronize相同的代码(训练神经网络)。我发现我得到了同样的结果，但是速度在7-12倍之间(取决于矩阵的大小)。例如：
在用cudaMemcpy将数据从GPU复制回主机之前是否需要
浏览 15提问于2012-08-09得票数 84
1回答
在变尺寸图像中检测固定大小的对象
、、、、
神经网络可以训练来识别一个物体，然后检测该物体在图像中的出现，而不管它们的位置和表观大小。在PyTorch中这样做的一个例子是在我正在研究一种有必要进行反向操作的上下文:训练以检测固定大小的模式，然后在可变大小的
浏览 1提问于2020-11-16得票数 0
回答已采纳
云服务器
ICP备案
对象存储
腾讯会议
实时音视频
腾讯云开发者
