本文适合多GPU的机器，并且每个用户需要单独使用GPU训练。 虽然pytorch提供了指定gpu的几种方式，但是使用不当的话会遇到out of memory的问题，主要是因为pytorch会在第0块gpu上初始化，并且会占用一定空间的显存。这种情况

pytorch指定GPU 在用pytorch写CNN的时候，发现一运行程序就卡住，然后cpu占用率100%，nvidia-smi 查看显卡发现并没有使用GPU。所以考虑将模型和输入数据及标签指定到gpu上。 pytorch中的Tensor和Module可以指定gpu运行，并

如下所示： device = torch device("cuda:0" if torch cuda is_available() else "cpu") 第一行代码model to(device) 第二行代码 首先是上面两行代码放在读取数据之前。 mytensor = my_tensor to(device) 第三行代

最近将Pytorch程序迁移到GPU上去的一些工作和思考 环境：Ubuntu 16 04 3 Python版本：3 5 2 Pytorch版本：0 4 0 0 序言 大家知道，在深度学习中使用GPU来对模型进行训练是可以通过并行化其计算来提高运行效率，这里就不多谈

Pytorch GPU运算过程中会出现：“cuda runtime error(2): out of memory”这样的错误。通常，这种错误是由于在循环中使用全局变量当做累加器，且累加梯度信息的缘故，用官方的说法就是："accumulate history across your trai

本文实例为大家分享了python opencv实现证件照换底功能的具体代码，供大家参考，具体内容如下 思路：先转到HSV空间，利用颜色提取背景制作掩模版mask，然后通过按位操作提取人像和制作新背景，最后叠加背景和人像得到换底后照片

听说pytorch使用比TensorFlow简单，加之pytorch现已支持windows，所以今天装了pytorch玩玩，第一件事还是写了个简单的CNN在MNIST上实验，初步体验的确比TensorFlow方便。 参考代码（在莫烦python的教程代码基础上修改）如下： i

目标：优化代码，利用多进程，进行近实时预处理、网络预测及后处理： 本人尝试了pytorch的multiprocessing，进行多进程同步处理以上任务。 from torch multiprocessing import Pool,Manager 为了进行各进程间的通信，使用Queu

本来是在找交通识别的程序，然后凑巧看见了证件照换底，于是学习了一下~一开始在网上找了一个很普遍写的程序，但是效果并不好，想要放弃了，然后看见了这个，参考：python opencv实现证件照换底功能 本人基于此做了一些改进，便于自

有时候我们在fintune时发现pytorch把许多层都集合在一个sequential里，但是我们希望能把中间层的结果引出来做下一步操作，于是我自己琢磨了一个方法，以vgg为例，有点僵硬哈！ 首先pytorch自带的vgg16模型的网络结构如下： VGG