实际应用时可能比较想获取VGG中间层的输出， 那么就可以如下操作： import numpy as npimport torchfrom torchvision import modelsfrom torch autograd import Variableimport torchvision transforms as transforms

这是一个用python写解压大量zip脚本的说明，本人新手一个，希望能对各位有所启发。 首先要注意的，在运行自己的脚本之前一定先备份或者复制出一些样本进行测试，不然出错会很麻烦； 之后我用到的是解压zip文件的扩展包zipfile

这边我是需要得到图片在Vgg的5个block里relu后的Feature Map （其余网络只需要替换就可以了） 索引可以这样获得 vgg = models vgg19(pretrained=True) features eval()print (vgg) Feature Map可利用下面的class cla

神经网络只是由两个或多个线性网络层叠加，并不能学到新的东西，简单地堆叠网络层，不经过非线性激活函数激活，学到的仍然是线性关系。 但是加入激活函数可以学到非线性的关系，就具有更强的能力去进行特征提取。 构造数据 i

阻塞IO（blocking IO） 在linux中，默认情况下所有的socket都是blocking，一个典型的读操作流程大概是这样： 当用户进程调用了recvfrom这个系统调用，kernel内核就开始了IO的第一个阶段：准备数据。对于network io( 网络io )来说

一 multiprocessing模块介绍 python中的多线程无法利用多核优势，如果想要充分地使用多核CPU的资源（os cpu _count ( )查看），在python中大部分情况需要使用多进程。 Python提供了multiprocessing。 multiprocessing模块

有一些非常流行的网络如 resnet、squeezenet、densenet等在pytorch里面都有，包括网络结构和训练好的模型。 pytorch自带模型网址：https: pytorch-cn readthedocs io zh latest torchvision torchvision-models 按官

urllib模块发起的POST请求 案例：爬取百度翻译的翻译结果 1 通过浏览器捉包工具，找到POST请求的url 针对ajax页面请求的所对应url获取，需要用到浏览器的捉包工具。查看百度翻译针对某个字条发送ajax请求，所对应的url 点

线性模型 线性模型介绍 线性模型是很常见的机器学习模型，通常通过线性的公式来拟合训练数据集。训练集包括(x,y)，x为特征,y为目标。如下图： 将真实值和预测值用于构建损失函数，训练的目标是最小化这个函数，从而更新w。当

背景 使用pytorch时，有一个yolov3的bug，我认为涉及到学习率的调整。收集到tencent yolov3和mxnet开源的yolov3，两个优化器中的学习率设置不一样，而且使用GPU数目和batch的更新也不太一样。据此，我简单的了解了下pytorch的