PyTorch 使用中注意事項

1. 把label要轉成longtensor格式

self.y = torch.longtensor(y)

1

class
imgdataset(dataset):
2def
__init__(self, x, y=none, transform=none):
3 self.x =x4#
label is required to be a longtensor
5 self.y =y
6if y is
notnone:
7 self.y =torch.longtensor(y)
8 self.transform =transform
9def
__len__
(self):
10return
len(self.x)
11def
__getitem__
(self, index):
12 x =self.x[index]
13if self.transform is
notnone:
14 x =self.transform(x)
15if self.y is
notnone:
16 y =self.y[index]
17return
x, y
18else:19
return x

需要保證target型別為torch.cuda.longtensor，需要在資料讀取的迭代其中把target的型別轉換為int64位的：target = target.astype(np.int64)，這樣，輸出的target型別為torch.cuda.longtensor。（或者在使用前使用tensor.type(torch.longtensor)進行轉換）。

*longtensor其實就是int64，有符號整型

2. 做**時，沒有y值，從dataloader中傳入給model的直接是data，而不再是data[0]了

model_best.eval()

prediction =
with torch.no_grad():
for i, data in
enumerate(test_loader):
#print(data[0].size())
#特別要注意的是，這裡直接傳入data，因為已經沒有y值了，所以無需data[0]。
#如果傳了data[0]反而導致沒有傳入整個batch，計算錯誤
test_pred =model_best(data.cuda())
test_label = np.argmax(test_pred.cpu().data.numpy(), axis=1)
for y in
test_label:

驗證時，要設成model.val()，以此來固定model的引數。例如 去掉dropout、bn引數不變 等。

4. modulenotfounderror：no module named 」classifier「

訓練完儲存模型後，再load模型去做**時，仍然需要原來訓練時的classifier，即整個網路結構。。

有點匪夷所思呀。。那存模型和存引數比有啥區別呢？存了個寂寞？

還需要查一下存模型和存引數的區別

5.pytorch中nn.crossentropyloss 自帶softmax，無需將輸出經softmax層再計算交叉熵損失

其原始碼實現時，將 input 經過 softmax 啟用函式之後，再計算其與 target 的交叉熵損失

未完待續。。。

JS中注意事項

一 判斷中注意事項 一 所有的相對路徑都別拿來做判斷 1.img src 2.href 1.css href html index.html 3.img src 二 顏色值不能拿來做判斷 color red f00 rgb 250,0,0 三 innerhtml 值不能拿來做判斷 解決 設定開關變數...

php foreach中 注意事項

以前用foreach,總喜歡在第二次遍歷時改變value的拼寫,比如 x array a b c foreach x as value echo foreach x as value2 得到結果12 a b c a b c 並沒有什麼不妥.今天寫的時候沒有留神,發現出錯了,示例如下 x array ...

python中注意事項（更新）

1.print a,b print列印多個變數，預設中間會有個空格作為分隔符，預設以換行符結尾 docstring print value,sep end n file sys.stdout,flush false prints the values to a stream,or to sys.st...