pytorch

常见的Transforms

使用不同的方法转换输入输出。

from torchvision import tranforms

按住ctrl键可以打开transforms的源码，然后可以在pycharm的左边structure处看见结构，里面包含了所有的类。注意是类，要构造一个对象。

常用的一些类包括：

• Compose
• ToTensor
• Normalize
• Resize

常见的层

• convolution layer：能够考虑空间信息
• maxpool layer：类似于马赛克，训练的数据量大大的减小
• dropout layer：随机地把一些元素变成零，主要为了防止过拟合
• non linear layer：非线性越多，才能训练出符合各种曲线的函数
• flatten layer：该层用于将数据平铺，之后可以输入给全连接层，平铺时batch_size并不会改变
• linear layer：全连接层，两个全连接层可以拟合任何函数，在输入时需要将各个维度展开
• batch normalization layer：批归一化，能够加快收敛速度，但是不能提升模型精度

GPU训练

先指定device：

device = torch.device('cuda')

然后需要迁移模型、损失函数、样本

model.to(device)
loss_fn.to(device)
img.to(device) / target.to(device)