- 预测一张：255*255 40ms 1.注意力机制需要维度相同，效果是把第二维变成1，比如(3,255,4,4)变成(3,1,4,4) 2.基础网络需要17ms，金字塔网络、注意力机制 需要8ms，候选框 需要16ms https://github.com/rainofmine/Face_Attention_Network 感觉这个是打... 预测一张：255*255 40ms 1.注意力机制需要维度相同，效果是把第二维变成1，比如(3,255,4,4)变成(3,1,4,4) 2.基础网络需要17ms，金字塔网络、注意力机制 需要8ms，候选框 需要16ms https://github.com/rainofmine/Face_Attention_Network 感觉这个是打...
- 本篇博客主要向大家介绍Pytorch中view()、squeeze()、unsqueeze()、torch.max()函数，这些函数虽然简单，但是在 神经网络编程总却经常用到，希望大家看了这篇博文能够把这些函数的作用弄清楚。 import torch a=torch.Tensor(2,3)a 3.8686e+25 9.1836... 本篇博客主要向大家介绍Pytorch中view()、squeeze()、unsqueeze()、torch.max()函数，这些函数虽然简单，但是在 神经网络编程总却经常用到，希望大家看了这篇博文能够把这些函数的作用弄清楚。 import torch a=torch.Tensor(2,3)a 3.8686e+25 9.1836...
- import torch x = torch.rand(30, 3, 416, 416).cuda() start=time.time() torch.sigmoid(x) print(f'time,{time.time()-start}') import torch x = torch.rand(30, 3, 416, 4... import torch x = torch.rand(30, 3, 416, 416).cuda() start=time.time() torch.sigmoid(x) print(f'time,{time.time()-start}') import torch x = torch.rand(30, 3, 416, 4...
- PyTorch分布式训练 PyTorch 是一个 Python 优先的深度学习框架，能够在强大的 GPU 加速基础上实现张量和动态神经网络。PyTorch的一大优势就是它的动态图计算特性。 License ：MIT License 官网：http://pytorch.org/ GitHub： PyTorch分布式训练 PyTorch 是一个 Python 优先的深度学习框架，能够在强大的 GPU 加速基础上实现张量和动态神经网络。PyTorch的一大优势就是它的动态图计算特性。 License ：MIT License 官网：http://pytorch.org/ GitHub：
- Unsupported ONNX opset version: 11 估计是pytorch不支持，重新安装pytorch2.0可能能解决。 比如： pip install torch===1.4.0 torchvision===0.5.0 -f https://download.pytorch.org/whl/torch_stable.h... Unsupported ONNX opset version: 11 估计是pytorch不支持，重新安装pytorch2.0可能能解决。 比如： pip install torch===1.4.0 torchvision===0.5.0 -f https://download.pytorch.org/whl/torch_stable.h...
- Fast_Human_Pose_Estimation_Pytorch 权重：model_best.pth.tar python tools/mpii_demo.py -a hg -s 2 -b 1 --mobile True --checkpoint model_best.pth.tar --in_res 256 --device cuda... Fast_Human_Pose_Estimation_Pytorch 权重：model_best.pth.tar python tools/mpii_demo.py -a hg -s 2 -b 1 --mobile True --checkpoint model_best.pth.tar --in_res 256 --device cuda...
- windows下安装PyTorch0.4.0 1.whl下载 官网上和别人的教程都是cmd或conda下载安装，我试了试慢的不行，还出错，所以就单独下载whl文件，下载地址 现在有这三个版本的： http://download.pytorch.org/whl/cu91/torch-0.4.0-cp36-cp36m-win_amd64.whlhttp://downlo... windows下安装PyTorch0.4.0 1.whl下载 官网上和别人的教程都是cmd或conda下载安装，我试了试慢的不行，还出错，所以就单独下载whl文件，下载地址 现在有这三个版本的： http://download.pytorch.org/whl/cu91/torch-0.4.0-cp36-cp36m-win_amd64.whlhttp://downlo...
- IntermediateLayerGetter torch是能看源码的，可以直接找。 官方源码： from collections import OrderedDict import torchfrom torch import nn class IntermediateLayerGetter(nn.ModuleDict): """ Module wrapper th... IntermediateLayerGetter torch是能看源码的，可以直接找。 官方源码： from collections import OrderedDict import torchfrom torch import nn class IntermediateLayerGetter(nn.ModuleDict): """ Module wrapper th...
- PyTorch提供了丰富的损失函数，而多分类任务用到最多的就是nn.CrossEntropyLoss和nn.NLLLoss了，不妨讨论一下。 nn.CrossEntropyLoss CrossEntropy顾名思义就是交叉熵，概念来自香农的信息论，用于度量两个概率分布间的差异性信息，可以认为是在给定的真实分布下，使用非真实分布的策略消除系统的不确定性所需要付出的努力的大小... PyTorch提供了丰富的损失函数，而多分类任务用到最多的就是nn.CrossEntropyLoss和nn.NLLLoss了，不妨讨论一下。 nn.CrossEntropyLoss CrossEntropy顾名思义就是交叉熵，概念来自香农的信息论，用于度量两个概率分布间的差异性信息，可以认为是在给定的真实分布下，使用非真实分布的策略消除系统的不确定性所需要付出的努力的大小...
- torch.cosine_similarity 可以对两个向量或者张量计算相似度 >>> input1 = torch.randn(100, 128)>>> input2 = torch.randn(100, 128)>>> output = torch.cosine_similarity(input1,... torch.cosine_similarity 可以对两个向量或者张量计算相似度 >>> input1 = torch.randn(100, 128)>>> input2 = torch.randn(100, 128)>>> output = torch.cosine_similarity(input1,...
- 这个函数onnx 12不支持 2021.01.07 Upsampling:上采样，被nn.functional.interpolate代替 nn.Upsampling is deprecated. Use nn.functional.interpolate instead... 这个函数onnx 12不支持 2021.01.07 Upsampling:上采样，被nn.functional.interpolate代替 nn.Upsampling is deprecated. Use nn.functional.interpolate instead...
- Pytorch C++ 环境搭建 0，阅读Pytorch C++官网文档，在虚拟机上安装Ubuntu16.04的Linux操作系统搭建环境，并使用makefile进行编译，代码简洁易读。 sudo apt-get update sudo apt-get install make cmake libnss3 tree 1... Pytorch C++ 环境搭建 0，阅读Pytorch C++官网文档，在虚拟机上安装Ubuntu16.04的Linux操作系统搭建环境，并使用makefile进行编译，代码简洁易读。 sudo apt-get update sudo apt-get install make cmake libnss3 tree 1...
- pytorch筛选后修改，是不可以的： 自己总结的：一级筛选修改是ok的 筛选后，再进行筛选，修改二次筛选结果，原数据是不变的。 import torch a=torch.Tensor([0.5,0.6]) boxes=torch.Tensor([[0.1,0.2,0.62,0.9],[0.5,0.6,0.7,0.8]]) 错误写法：b=boxes[a ... pytorch筛选后修改，是不可以的： 自己总结的：一级筛选修改是ok的 筛选后，再进行筛选，修改二次筛选结果，原数据是不变的。 import torch a=torch.Tensor([0.5,0.6]) boxes=torch.Tensor([[0.1,0.2,0.62,0.9],[0.5,0.6,0.7,0.8]]) 错误写法：b=boxes[a ...
- model = UNet(3, 1) modelname = 'ckpt_e_50.pth' ckpt = torch.load(opt.pretrain + modelname) model.load_state_dict(ckpt['state_dict'], strict=False) model.eval() example = tor... model = UNet(3, 1) modelname = 'ckpt_e_50.pth' ckpt = torch.load(opt.pretrain + modelname) model.load_state_dict(ckpt['state_dict'], strict=False) model.eval() example = tor...
- inputs = Variable(torch.randn(2,2))inputs.is_cuda # will return falseinputs = Variable(torch.randn(2,2).cuda())inputs.is_cuda # returns true 判断: torch.is_tensor()... inputs = Variable(torch.randn(2,2))inputs.is_cuda # will return falseinputs = Variable(torch.randn(2,2).cuda())inputs.is_cuda # returns true 判断: torch.is_tensor()...
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