- 参考：https://stackoverflow.com/questions/44738273/torch-how-to-shuffle-a-tensor-by-its-rows 一维的： x = torch.arange(0, 10) print(x)b=torch.randperm(x.size(0))print(x[b]) &nb... 参考：https://stackoverflow.com/questions/44738273/torch-how-to-shuffle-a-tensor-by-its-rows 一维的： x = torch.arange(0, 10) print(x)b=torch.randperm(x.size(0))print(x[b]) &nb...
- LFW CFP_FF CFP_FP AgeDB CALFW CPLFW Vggface2_FP 99.78 99.69 98.14 97.53 95.87 92.45 95.22 https://github.com/ZhaoJ9014/face.evoLVe.PyTorch 测试代码： fr... LFW CFP_FF CFP_FP AgeDB CALFW CPLFW Vggface2_FP 99.78 99.69 98.14 97.53 95.87 92.45 95.22 https://github.com/ZhaoJ9014/face.evoLVe.PyTorch 测试代码： fr...
- torch 读写同一个图片 # -*- coding:utf-8 -*-from threading import Thread import bind_cv as demoimport time import torchimport torch.multiprocessing as mp from torch.multiprocessing import Pool, Ma... torch 读写同一个图片 # -*- coding:utf-8 -*-from threading import Thread import bind_cv as demoimport time import torchimport torch.multiprocessing as mp from torch.multiprocessing import Pool, Ma...
- 统计第2维数据全部小于3的 import torch data_a=torch.arange(0, 6) data= data_a.reshape([3,2]) data_b= data_a.clone().reshape([3,2]) data[data<3]=0 print(data) data2=torch.sum(data,1) print( d... 统计第2维数据全部小于3的 import torch data_a=torch.arange(0, 6) data= data_a.reshape([3,2]) data_b= data_a.clone().reshape([3,2]) data[data<3]=0 print(data) data2=torch.sum(data,1) print( d...
- import torch print(torch.version.cuda) cuda版本查看： nvcc -V 9.0, V9.0.176 cudnn版本查看： python版本查看：python -V Pyt... import torch print(torch.version.cuda) cuda版本查看： nvcc -V 9.0, V9.0.176 cudnn版本查看： python版本查看：python -V Pyt...
- mxnet网络是链式结构，pytorch可以是列表结构 引发的问题：mxnet symbol如何打印特征维度？ mxnet设计网络是，不用输入网络输入channel， pytorch需要输入通道数。 mxnet: num_classes = config.emb_size bn_mom = config.bn_mom worksp... mxnet网络是链式结构，pytorch可以是列表结构 引发的问题：mxnet symbol如何打印特征维度？ mxnet设计网络是，不用输入网络输入channel， pytorch需要输入通道数。 mxnet: num_classes = config.emb_size bn_mom = config.bn_mom worksp...
- Pytorch多进程最佳实践 注意技巧： https://pytorch.org/docs/stable/multiprocessing.html 模型并行（ model parallelism ）：即把模型拆分放到不同的设备进行训练，分布式系统中的不同机器（GPU/CPU等）负责网络模型的不同部分 —— 例如，神经网络模型的不同网络层被... Pytorch多进程最佳实践 注意技巧： https://pytorch.org/docs/stable/multiprocessing.html 模型并行（ model parallelism ）：即把模型拆分放到不同的设备进行训练，分布式系统中的不同机器（GPU/CPU等）负责网络模型的不同部分 —— 例如，神经网络模型的不同网络层被...
- 量化是一种加速推理的技术，量化算子并且仅仅支持前向传递。Pytorch支持int8量化，相比于float32,模型的大小减少4倍，内存要求减少4倍。与float32计算相比，对int8计算的硬件支持通常快2到4倍。 大多数情况下，模型需要以float32精度训练，然后将模型转换为int8。如今，PyTorch支持在具有AVX2支持或者更高版本的x86 CPU... 量化是一种加速推理的技术，量化算子并且仅仅支持前向传递。Pytorch支持int8量化，相比于float32,模型的大小减少4倍，内存要求减少4倍。与float32计算相比，对int8计算的硬件支持通常快2到4倍。 大多数情况下，模型需要以float32精度训练，然后将模型转换为int8。如今，PyTorch支持在具有AVX2支持或者更高版本的x86 CPU...
- In [1]: import torchfileIn [2]: torchfile.load('testfiles_x86_64/list_table.t7')Out[2]: ['hello', 'world', 'third item', 123]In [3]: torchfile.load('testfiles_x86_64/doublet... In [1]: import torchfileIn [2]: torchfile.load('testfiles_x86_64/list_table.t7')Out[2]: ['hello', 'world', 'third item', 123]In [3]: torchfile.load('testfiles_x86_64/doublet...
- 测试代码： import torch loss_fn = torch.nn.CrossEntropyLoss(reduce=True, weight=None)input = torch.Tensor([0,0,0,0.5,0.6,.7])target = torch.LongTensor(3).random_(5)print(input)print(tar... 测试代码： import torch loss_fn = torch.nn.CrossEntropyLoss(reduce=True, weight=None)input = torch.Tensor([0,0,0,0.5,0.6,.7])target = torch.LongTensor(3).random_(5)print(input)print(tar...
- 在使用pytorch实现textcnn进行文本分类时，参考了别人的代码(keras)，在使用torch.nn.functional.cross_entropy纠结了很久，最后发现的下面的文章： https://www.cnblogs.com/marsggbo/p/10401215.html 总结了以下的注意点： 在网络的forward最后输出时不用接so... 在使用pytorch实现textcnn进行文本分类时，参考了别人的代码(keras)，在使用torch.nn.functional.cross_entropy纠结了很久，最后发现的下面的文章： https://www.cnblogs.com/marsggbo/p/10401215.html 总结了以下的注意点： 在网络的forward最后输出时不用接so...
- pytorch tensorboard 使用 pip 安装 pip install tensorboardX 从源码安装 git clone https://github.com/lanpa/tensorboardX && cd tensorboardX && python setup.py instal... pytorch tensorboard 使用 pip 安装 pip install tensorboardX 从源码安装 git clone https://github.com/lanpa/tensorboardX && cd tensorboardX && python setup.py instal...
- pytorch报错Unable to get repr for 标签出现了-1,2或者其他值，loss计算之后， 报错：CUDA error: device-side assert triggered 然后出现此错误： Unable to get repr for class tensor pytorc... pytorch报错Unable to get repr for 标签出现了-1,2或者其他值，loss计算之后， 报错：CUDA error: device-side assert triggered 然后出现此错误： Unable to get repr for class tensor pytorc...
- PyTorch Dataloader 加速 参考源码： https://github.com/NVIDIA/apex/blob/f5cd5ae937f168c763985f627bbf850648ea5f3f/examples/imagenet/main_amp.py#L256 class data_prefetcher(): def __init__(... PyTorch Dataloader 加速 参考源码： https://github.com/NVIDIA/apex/blob/f5cd5ae937f168c763985f627bbf850648ea5f3f/examples/imagenet/main_amp.py#L256 class data_prefetcher(): def __init__(...
- 总结：torch版cuda最快，cpu次之，python最慢。 import time import torch import numpy as np import cv2 if __name__ == '__main__': path=r'D:\111.jpg' img_ = cv2.imread(path) start = time.time() for j in ra... 总结：torch版cuda最快，cpu次之，python最慢。 import time import torch import numpy as np import cv2 if __name__ == '__main__': path=r'D:\111.jpg' img_ = cv2.imread(path) start = time.time() for j in ra...
上滑加载中
推荐直播
-
华为云码道Skill实战与极速交付，智能开发全链路实战2026/07/22 周三 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；姜浩-华为云HCDG核心组成员
直播深度解读华为云码道6月产品新特性，从Skill市场安装专家技能，带你零距离体验从需求，开发，审查，重构全链路闭环的开发过程。从零构建并交付一个完整项目，让您体验从代码提交到服务上线的“极速”之旅。
回顾中 -
聚开发者之力，创具身新未来2026/07/23 周四 15:00-17:00
张豪杰/程文/王军/刘新春/黄钦开 /张晓天
本次华为云具身智能开发平台CloudRobo培训面向具身智能开发者，带您全流程体验机器人本体R2C小时级接入、环境重建与轨迹生成仿真数据生产、PB级数据管理、数据评测、模型训推、强化学习和Benchmark一键评测等功能，并体验业界主流具身模型应用。
回顾中
热门标签