import torch.nn as nn
import torch.nn.functional as
fclass
model
(nn.module)
: def __init__
(self)
:super
(model, self)
.__init__()
self.conv1 = nn.
conv2d(1
,20,5
) self.conv2 = nn.
conv2d(20
,20,5
) def forward
(self, x)
: x =f.
relu
(self.
conv1
(x))
returnf.
relu
(self.
conv2
(x))
# example of using sequential
model = nn.
sequential
( nn.
conv2d(1
,20,5
),nn.
relu()
, nn.
conv2d(20
,64,5
),nn.
relu()
)# example of using sequential with ordereddict
model = nn.
sequential
(ordereddict([
('conv1'
, nn.
conv2d(1
,20,5
)),(
'relu1'
, nn.
relu()
),('conv2'
, nn.
conv2d(20
,64,5
)),(
'relu2'
, nn.
relu()
)]))
in_channels，輸入影象的通道數。
out_channels，卷積後的通道數。
kernel_size，卷積核的大小。
stride（可選），卷積操作的步長，預設是1。
padding（可選），在輸入的所有邊填0，預設是0。
padding_mode（可選），零。
dilation（可選），卷積核元素之間的空隙，預設是1。
groups（可選），從輸入通道到輸出通道之間塊連線的數量。
bias（可選），如果值為true，新增乙個可學習的bias到輸出上，預設true。
官方例子：
>>> # with square kernels and equal stride
>>> m = nn.
conv2d(16
,33,3
, stride=2)
>>> # non-square kernels and unequal stride and with padding
>>> m = nn.
conv2d(16
,33,(
3,5)
, stride=(2
,1), padding=(4
,2))
>>> # non-square kernels and unequal stride and with padding and dilation
>>> m = nn.
conv2d(16
,33,(
3,5)
, stride=(2
,1), padding=(4
,2), dilation=(3
,1))
>>> input = torch.
randn(20
,16,50
,100
)>>> output =
m(input)
(model.py)
import torch.nn as nn
import torch.nn.functional as
fclass
model
(nn.module)
: def __init__
(self)
:super
(model, self)
.__init__()
# conv2d 三個引數：1
)in_channels；2
)out_channels；3
)kernel_size；4
)stride=
1；5)padding=
0 # 6
)dilation=false；7
)groups=
1；8)bias=true
self.conv1 = nn.
conv2d(3
,20,3
) self.conv2 = nn.
conv2d(20
,20,3
) # batchnorm2d
() 引數：channels 作用：正則化防止引數過多
self.normal = nn.
batchnorm2d(20
) def forward
(self, x)
: x = self.
conv1
(x) x = self.
conv2
(x) x == self.
normal
(x) x =f.
relu
(x)return x
import model
import torch
# 初始化乙個model
model = model.
model()
# 初始化乙個4維tensor，1*3
*7*7。
test = torch.
rand(1
,3,7
,7)print
('size before: '
)print
(test.
size()
)# 將原tensor 經過model處理
x =model
(test)
print
('size after: '
)print
(x.size()
)
size before:
torch.
size([
1,3,
7,7]
)size after:
torch.
size([
1,20,
3,3]
)
Core Foundation 官方文件翻譯
core foundation框架中常用的隱含型別 使用這些隱含型別時需要自己初始化，自己去釋放記憶體。所以需要記住，在初始化的同時在相應位置釋放。以防出現記憶體問題。1.cfstringref 其他方法用的時候可以檢視文件 void testcfstringref 2 cfarrayref,還有很...
Docker 官方文件翻譯
docker compose 是利用docker來執行多個容器的工具。利用compose 在乙個檔案中定義多個容器，然後利用乙個單獨的命令，可以執行你所想做的任何事情。compose 能較好的作為開發環境的假設，伺服器腳手架以及ci方面的應用。我們不推薦使用在生產環境中。使用compose 需要一下...
Pytorch官方指南（二） 翻譯版本
torch.cuda用於設定和執行cuda操作。它跟蹤當前選定的gpu，預設情況下，您分配的所有cuda tensor都將在該裝置上建立。無論怎麼樣，一旦分配了乙個張量，就可以對它進行操作，而不必考慮所選的裝置，結果將始終與張量放在同乙個裝置上。預設情況下不允許跨gpu操作，除了copy u 和其他...