1回答
在训练过程中，我需要用其他图像补丁填充图像。既然我正在使用mini-batch进行训练，有什么有效的方法可以做到这一点吗？ 例如，我有一小批大小为[B, 3, 128, 128]的图像。如何批量填写补丁？可以忽略面片之间的重叠。
浏览 23提问于2019-10-05得票数 0
虽然这是一个典型的用例，但在通过RNN发送时，我找不到一个简单而明确的指南来说明在pytorch中计算填充小批量的损失的规范方法是什么。我认为一个规范的管道可能是： 1) pytorch RNN需要形状的填充批量张量：(max_seq_len，batch_size，emb_size) 2)所以我们给出一个嵌入层，例如这个张量： tensor([[1, 1], [3, 9]]) 9是填充索引。批量大小为2。
浏览 18提问于2019-12-12得票数 2
回答已采纳
1回答
用于可变尺寸输入的小型批量培训
、、、、
我是PyTorch和RNN的新手，所以我很困惑如何为我拥有的数据实现小型批量培训。有更多的这些数据，但我想保持简单，所以我只能理解如何实现小批量培训部分。batch_size, shuffle=True) #do stuff using LSTM and/or GRU models我的另一
浏览 3提问于2018-02-14得票数 7
回答已采纳
我有时间序列，我需要通过将零填充到矩阵中并在keras中使用keras.layers.Masking来保持序列长度固定到一个数字，我可以忽略这些填充的零进行进一步的计算，我想知道如何在Pytorch中做到这一点要么我需要在pytroch和pytorch中做填充，而pytorch不能处理可变长度的序列，这相当于pytorch中keras的掩蔽层，或者如果pytorch</em
浏览 73提问于2019-12-31得票数 3
回答已采纳
在这个中，他们没有使用填充，尽管输入和输出的长度是可变的。它似乎工作得很好，但如何工作呢？如果输入的长度是可变的，我们不应该实现填充吗？怎样做才是正确的呢？
谢谢。
浏览 0提问于2020-02-21得票数 0
如果你正在使用Pytorch，我有一个有趣的问题要问你。 我有一批形状为(3,224,224)的图像。因此，如果我的批量大小是64，假设我拥有的最后一个张量的形状是(64，3,224,224)。假设此批次中的某些图像仅用零填充。找出哪些批处理索引只有零的最快方法是什么？ 我不想为此创建for循环，因为它很慢。 谢谢你的回答。
浏览 10提问于2019-12-24得票数 0
回答已采纳
2回答
这是我们训练NLP的现代深度学习模型的常用方法，例如，在Huggingface库中，输入no有一个固定的长度。指记号/音音单位。https://huggingface.co/docs/transformers/pad_截断
在下面的例子中，我们有5个不同长度的句子，它们都被填充到最大长度设置为1024。我问题的第一部分是关于GPU内存的使用和pad，当我们训练带有填充输入的批数据的模型时，填充的令牌会占用GPU RAM吗？即使模型不计算它们，因为
浏览 0提问于2023-04-07得票数 2
1回答
在Pytorch中，nn.conv2d()的填充参数允许用户输入选择的填充大小(如p=n)。TensorFlow没有这样的等价物。我们如何实现类似的定制?如果设计一个小型网络，使用通常的CNN层，如池和FC，从输入层开始演示如何实现它，将是非常值得赞赏的。
浏览 0提问于2021-09-08得票数 1
回答已采纳
1回答
在阅读一本PyTorch书籍时，我偶然发现了这样一段代码，其中作者更改了轴的顺序。img_t.permute(1，2，0) (将轴的顺序从C×H×W更改为H×W×C) 在神经网络中，H x W x C是输入图像的默认输入尺寸吗？
浏览 48提问于2021-09-17得票数 0
回答已采纳
1回答
有人能帮我解释一下Pytorch中这个常见问题的含义吗？ 型号: EfficientDet-D4 GPU: RTX 2080Ti 批量:2 CUDA out of memory.11.00 GiB total capacity; 8.32 GiB already allocated; 2.59 MiB free; 8.37 GiB reserved in total by PyTorch) 无论如何，我认为模型和图形处理器在这里并不重要，我知道解决方案应该是减少批量大小，尝试关闭梯度，同时验证等。另外:我
浏览 48提问于2020-10-27得票数 1
回答已采纳
1回答
我将不同长度的序列批量输入到网络中，这意味着我需要对序列进行填充，使其长度相等，并屏蔽网络的输出，使它们与原始序列相同长度。
在PyTorch中实现填充/掩蔽的正确方法是什么？
浏览 0提问于2023-05-30得票数 0
1回答
在该模型中，使用了所有变压器编码器的输出，而不仅仅是最新变压器编码器的输出。从而将每个变压器编码器的输出向量连接起来，并产生一个矩阵： 使用大小为3的窗口(3，BERT的隐藏大小，在BERT_base模型中为768 )执行卷积运算，并通过对卷积输出应用最大池化为每个变压器编码器生成最大值(64是标记化中的最大长度) 我想对每个变压器的输出矩阵(64,768)分别执行卷积，然后对该卷积的输出执行最大池化。因此，我应该得到每个变压器的最大值，这些最大值被插入到神经网络中。
浏览 202提问于2020-12-25得票数 1
2回答
我知道在pytorch中我可以将张量定义为，但是，当我真正想要使用int8时，我得到：因此，我很困惑，如何在pytorch中运行量化模型，例如，当计算块(如卷积)不支持数据类型时，如何使用int8？我使用的是pytorch版本的1.0.1.post2。
浏览 0提问于2019-03-21得票数 1
回答已采纳
torch.nn.Conv2d(7, 64, kernel_size=(7, 7), stride=(2, 2), padding=(3, 3))我们如何在tensorflow
浏览 3提问于2020-07-14得票数 1
2回答
我对如何在TensorFlow中复制Keras ( PyTorch )卷积感到困惑。import torch.nn as nnm = nn.Conv1d(in_channels给出与Keras相同的输出大小：
这个似乎意味着Keras是PyTorch的out_channels，但这正是我所拥有的。我试图在PyTorch of padding=(0,5
浏览 19提问于2021-01-13得票数 2
回答已采纳
在pytorch中，backward()函数累积渐变，我们必须通过调用optimizer.zero_grad()在每个小批量中重置它。作为Pytorch的初学者，我很困惑。不需要使用过去的渐变来执行更新吗？
浏览 0提问于2018-12-31得票数 1
2回答
我有一个问题，如何重新加载不同批量大小的pytorch模型。在训练中，我的批处理大小是64，但在推断中，我希望批处理大小是1(逐个输入数据)。我得到了这个错误：
RuntimeError: size mismatch, m1: [37 x 1], m2: [37 x 64] at /Users/soumith/code/builder/wheel/pytorch-src在重新加载pytorch模型中，有没有解决
浏览 0提问于2018-09-20得票数 4
如何在不使用填充的情况下将其转换为pytorch中的张量？有可能吗？ [[3, 5, 10, 11], [1, 5, 10]]
浏览 77提问于2021-11-22得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
