- PyTorch convert function for op 'hardswish' not implemented. 一般是torch版本不对，应该是torch1.6.0，但是我的是1.6.0 cu101 原因还没找到 PyTorch convert function for op 'hardswish' not implemented. 一般是torch版本不对，应该是torch1.6.0，但是我的是1.6.0 cu101 原因还没找到
- 现在用的这个： net = load_model(net, args.trained_model, args.cpu) for name, param in net.named_parameters(): print(param.size(),name, &nb... 现在用的这个： net = load_model(net, args.trained_model, args.cpu) for name, param in net.named_parameters(): print(param.size(),name, &nb...
- with torch.no_grad(): CUDA out of memory in pytorch 今天尝试了一下Transformer，一直遇到当validate若干次之后爆显存，一开始以为参数过多，batch size过大，但是无济于事。谷歌了相关内容，发现原来是需要加 with torch.no_grad(): torch.cuda.empt... with torch.no_grad(): CUDA out of memory in pytorch 今天尝试了一下Transformer，一直遇到当validate若干次之后爆显存，一开始以为参数过多，batch size过大，但是无济于事。谷歌了相关内容，发现原来是需要加 with torch.no_grad(): torch.cuda.empt...
- tf代码是： relu6 = min(max(features, 0), 6) 结果是把小于0的变成0，大于6的取6，y= torch.clamp(x,0,6)计算结果一样的。 缺点：这个训练收敛比较快，但是收敛比较好后，目标检测网络回归框不太准。 import torchimport torchvision import torchimport torch.nn ... tf代码是： relu6 = min(max(features, 0), 6) 结果是把小于0的变成0，大于6的取6，y= torch.clamp(x,0,6)计算结果一样的。 缺点：这个训练收敛比较快，但是收敛比较好后，目标检测网络回归框不太准。 import torchimport torchvision import torchimport torch.nn ...
- import torch y = torch.range(1, 6) print(y) print(y.dtype) z = torch.arange(0, 6) print(z) print(z.dtype) 结果：数据类型不一样，长度不一样，可以按自己的需求选择合适的 tensor([1., 2., 3., 4., 5., 6.]) torch... import torch y = torch.range(1, 6) print(y) print(y.dtype) z = torch.arange(0, 6) print(z) print(z.dtype) 结果：数据类型不一样，长度不一样，可以按自己的需求选择合适的 tensor([1., 2., 3., 4., 5., 6.]) torch...
- 参考：https://www.jianshu.com/p/a014016723d8 1. 改变系统变量使得仅目标显卡可见 export CUDA_VISIBLE_DEVICES=0 #这里是要使用的GPU编号，正常的话是从0开始 在程序开头设置os.environ["CUDA_VISIBLE_DEVICES"] = '0,1,2,3' CUDA_V... 参考：https://www.jianshu.com/p/a014016723d8 1. 改变系统变量使得仅目标显卡可见 export CUDA_VISIBLE_DEVICES=0 #这里是要使用的GPU编号，正常的话是从0开始 在程序开头设置os.environ["CUDA_VISIBLE_DEVICES"] = '0,1,2,3' CUDA_V...
- COCODataset 中返回numpy数组或者字典中包含numpy，会自动转换为tenser from torch.utils.data import DataLoader dataloader =DataLoader(COCODataset(data_path, (512, 512), is_training=False, is_sce... COCODataset 中返回numpy数组或者字典中包含numpy，会自动转换为tenser from torch.utils.data import DataLoader dataloader =DataLoader(COCODataset(data_path, (512, 512), is_training=False, is_sce...
- pytorch判断NaN You can always leverage the fact that nan != nan: data = torch.tensor([1, 2, np.nan])tensor([ 1., 2., nan.])data[data != data]tensor([ 0, 0, 1], ... pytorch判断NaN You can always leverage the fact that nan != nan: data = torch.tensor([1, 2, np.nan])tensor([ 1., 2., nan.])data[data != data]tensor([ 0, 0, 1], ...
- https://nvidia.app.box.com/v/torch-stable-cp36-jetson-jp42 1.sudo apt-get install python3-pip 2.sudo apt install liblapacke-dev checkinstall # For OpenCV 3.sudo apt-get install l... https://nvidia.app.box.com/v/torch-stable-cp36-jetson-jp42 1.sudo apt-get install python3-pip 2.sudo apt install liblapacke-dev checkinstall # For OpenCV 3.sudo apt-get install l...
- nn.Module中定义参数：不需要加cuda，可以求导，反向传播 class BiFPN(nn.Module): def __init__(self, fpn_sizes): self.w1 = nn.Parameter(torch.rand(1)) print("no--... nn.Module中定义参数：不需要加cuda，可以求导，反向传播 class BiFPN(nn.Module): def __init__(self, fpn_sizes): self.w1 = nn.Parameter(torch.rand(1)) print("no--...
- pytorch 筛选数据（使用与或） import torch x = torch.linspace(1, 8, steps=8).view(4, 2) print(x) area1=(x[:,0]>5.5)&(x[:,1]>5.5) c=x[:,0]*x[:,1] area2=c>25 area=area1|area2 p... pytorch 筛选数据（使用与或） import torch x = torch.linspace(1, 8, steps=8).view(4, 2) print(x) area1=(x[:,0]>5.5)&(x[:,1]>5.5) c=x[:,0]*x[:,1] area2=c>25 area=area1|area2 p...
- 最简单的： state_dict = torch.load(weight_path) self.load_state_dict(state_dict,strict=False) 加载cpu： model = IResNet(IBasicBlock, [2, 2, 2, 2]) a_path=r"ms1mv3_ar... 最简单的： state_dict = torch.load(weight_path) self.load_state_dict(state_dict,strict=False) 加载cpu： model = IResNet(IBasicBlock, [2, 2, 2, 2]) a_path=r"ms1mv3_ar...
- 原文：https://github.com/jxgu1016/MNIST_center_loss_pytorch c++不知道什么框架的： https://github.com/BOBrown/SSD-Centerloss # coding: utf8import torchfrom torch.autograd import Varia... 原文：https://github.com/jxgu1016/MNIST_center_loss_pytorch c++不知道什么框架的： https://github.com/BOBrown/SSD-Centerloss # coding: utf8import torchfrom torch.autograd import Varia...
- 编译 FFWM时，报错了，只支持vs2013-2017之间的版本 换到vs2015后，报错： You need C++14 to compile PyTorch windows还没找到方案， liunx解决方法； https://stackoverflow.com/questions/3... 编译 FFWM时，报错了，只支持vs2013-2017之间的版本 换到vs2015后，报错： You need C++14 to compile PyTorch windows还没找到方案， liunx解决方法； https://stackoverflow.com/questions/3...
- class ResNet(nn.Module): def __init__(self, block, layers, use_se=True): self.inplanes = 64 self.use_se = use_se super(ResNet, self).__init__() self.conv1 = nn.Conv2d(3, 64, kernel... class ResNet(nn.Module): def __init__(self, block, layers, use_se=True): self.inplanes = 64 self.use_se = use_se super(ResNet, self).__init__() self.conv1 = nn.Conv2d(3, 64, kernel...
上滑加载中
推荐直播
-
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中 -
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中
热门标签