GoogLeNet也叫InceptionNet，在2014年被提出，如今已到V4版本。GoogleNet比VGGNet具有更深的网络结构，一共有22层，但是参数比AlexNet要少12倍，但是计算量是AlexNet的4倍，原因就是它采用很有效的Inception模块，并且没有全连接

查看源码 Linear 的初始化部分： class Linear(Module): __constants__ = [bias] def __init__(self, in_features, out_features, bias=True): super(Linear, self) __init__() self in_features = in_fea

条件选取：torch where(condition, x, y) → Tensor 返回从 x 或 y 中选择元素的张量，取决于 condition 操作定义： 举个例子： >>> import torch>>> c = randn(2, 3)>>> ctensor([[ 0 0309, -1 5993, 0 1986], [-0

拼接张量：torch cat() 、torch stack() torch cat(inputs, dimension=0) → Tensor 在给定维度上对输入的张量序列 seq 进行连接操作 举个例子： >>> import torch>>> x = torch randn(2, 3)>>> xtensor([[-0 1997,

对于 PyTorch 的基本数据对象 Tensor (张量)，在处理问题时，需要经常改变数据的维度，以便于后期的计算和进一步处理，本文旨在列举一些维度变换的方法并举例，方便大家查看。 维度查看：torch Tensor size() 查看当前 tensor

pytorchÖеÄgatherº¯Êý pytorch±Ètensorflow¸ü¼Ó±à³ÌÓѺã¬ËùÒÔ×¼±¸ÓÃpytorchÊÔ×Å×ö×î½üÒª×öµÄһЩʵÑé¡£ Á¢¸öflag¿ªÊ¼Ñ§Ï°pytorch£¬

index_select anchor_w = self FloatTensor(self scaled_anchors) index_select(1, self LongTensor([0])) 参数说明：index_select(x, 1, indices) 1代表维度1，即列，indices是筛选的索引序号。 例子： import torch x =

最简单的方法当然可以直接print（net），但是这样网络比较复杂的时候效果不太好，看着比较乱；以前使用caffe的时候有一个网站可以在线生成网络框图，tensorflow可以用tensor board，keras中可以用model summary()、或者plot_model

一个继承nn module的model它包含一个叫做children()的函数，这个函数可以用来提取出model每一层的网络结构，在此基础上进行修改即可，修改方法如下(去除后两层)： resnet_layer = nn Sequential(*list(model children())[:

ÒÔÏÂʵÑéÊÇÎÒÔڰٶȹ«Ë¾ÊµÏ°µÄʱºò×öµÄ£¬¼Ç¼ÏÂÀ´Áô¸öС¾­Ñé¡£ ¶àGPUѵÁ· cifar10_97 23 ʹÓà run sh Îļþ¿ªÊ¼ÑµÁ· cifar10_97