pytorch cnn model停在loss.backward()没有任何提示吗？
在PyTorch中，当模型训练过程中的loss.backward()没有任何提示时，可能有以下几个原因：
- 梯度消失或梯度爆炸：在深层神经网络中，梯度可能会变得非常小或非常大，导致梯度无法有效地传播。这可能是由于网络结构、激活函数选择或学习率设置不当引起的。可以尝试使用不同的激活函数、调整学习率或使用梯度裁剪等方法来解决这个问题。
- 内存不足：如果模型或输入数据过大，可能会导致内存不足的问题。可以尝试减小批量大小、降低模型复杂度或使用更大的内存来解决这个问题。
- 代码错误：检查代码中是否存在错误，例如模型定义、损失函数的计算或优化器的设置等。确保代码逻辑正确并且没有语法错误。
- GPU相关问题：如果使用GPU进行训练，可能会出现与GPU相关的问题。可以尝试检查GPU是否正常工作，驱动程序是否正确安装，并确保PyTorch与CUDA版本兼容。
推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云GPU实例：https://cloud.tencent.com/product/cvm/gpu
- 腾讯云AI引擎：https://cloud.tencent.com/product/tia
- 腾讯云机器学习平台：https://cloud.tencent.com/product/tiia
请注意，以上仅是一些可能的原因和解决方法，并不能保证完全解决问题。根据具体情况，可能需要进一步调查和分析。
相关·内容
我试图隐藏PyTorch代码的CNN -> LSTM级联模型到PyTorch闪电。在nn.Module码中有两个PyTorch类，一个用于CNN (编码器)，一个用于LSTM (译码器)，最后一个隐藏层作为PyTorch的输入。
因此，在转换到PyTorch闪电之后，有两个pl.LightningModule类。我想知道如何在这两个类中填充所需的方法。forward()、training_step()、train_dataloader()和configure_optimizers()。
以下是PyTorch中丢失和优化器的定义；优化器使用来自编码器和解码器模型的参数：
loss_c
浏览 0提问于2021-08-03得票数 0
1回答
在CNN分类模型训练中，在计算损失时，我在PyTorch中对图像应用编码jpeg压缩。当我调用loss.backward()时，它还必须通过对图像执行的编码和压缩操作进行反向传播。
这些压缩算法(例如编码和JPEG压缩)是否是可微的，否则如何通过这些操作反向传播损失梯度？
如果这些操作不是可微的，那么在执行H.264编码和JPEG压缩的PyTorch中是否存在可微压缩算法？
任何建议都会很有帮助。
浏览 9提问于2020-04-10得票数 2
我正在学习CNN，我想用pytorch来改变CNN的宽卷积模型，谁能帮上忙？
self.conv23 = nn.Conv2d(Ci, len(Ks) * Co, (3, Co), padding=1)
Traceback (most recent call last):
File "E:/workspace/pycharmworkspace/cnn-text-classification-pytorch-update/main.py", line 137, in <module>
train.train(train_iter, dev_iter, cn
浏览 8提问于2017-07-04得票数 0
当我注意到tensorflow和pytorch对于2d cnns有不同的大小权重张量时，我正在将tensorflow v1.13编写的旧项目转换到pytorch v1.4.0。 以下是我的tensorflow代码 cnn = tf.layers.conv2d(img_tensor, 16, (3, 3), (1, 1), padding='SAME', name='cnn_1')
cnn = tf.layers.conv2d(cnn, 32, (3, 3), (1, 1), padding='SAME', name='cnn_2'
浏览 14提问于2020-04-14得票数 0
1回答
我正在尝试将以下模型转换为pytorch： def get_model():
model = keras.models.Sequential()
model.add(Conv2D(64, kernel_size=(3,3), activation='relu', padding='same', input_shape=(9,9,1)))
model.add(BatchNormalization())
model.add(Conv2D(64, kernel_size=(3,3), activation='relu
浏览 71提问于2021-04-15得票数 0
1回答
在测试super resolution model的ONNX模型时，我在运行this sample program时出错。 我的ONNX版本是1.5.0，带有onnxruntime 1.4.0。Onnxruntime was installed using pip。Pytorch版本为1.6.0 错误发生在ort_session = onnxruntime.InferenceSession('/home/itc/pytorch/sub_pixel_cnn_2016/model/super-resolution-10.onnx') 加载onnx模型时出错。 Traceback
浏览 747提问于2020-10-09得票数 1
回答已采纳
1回答
为了检查模型的完整性，我试图在单个批处理上对我的模型进行过度匹配。我使用Keras和TensorFlow来实现这个项目的模型和编码风格。
我知道如何获得单个批处理，并在PyTorch中超配模型，但在Keras中没有任何概念。
为了在PyTorch中获得一个批处理，我使用了：
images, labels = next(iter(train_dataset))
criterion = torch.nn.CrossEntropyLoss()
optimizer = torch.optim.Adam(model.parameters(), lr = 0.0001)
for epoch in ran
浏览 4提问于2022-04-11得票数 1
为了模拟更大的批处理大小，我希望能够为PyTorch中的模型积累每N批的梯度，例如：
def train(model, optimizer, dataloader, num_epochs):
model.train()
model.cuda()
for epoch_num in range(1, num_epochs+1):
for batch_num, data in enumerate(dataloader):
ims = data.to('cuda:0')
loss =
浏览 0提问于2021-11-26得票数 1
回答已采纳
当我试图建立一个pytorch模型时，我得到了一个错误，当我试图做Pytorch autograd时，这个损失对象是不可调用的。(相关代码如下所示) optimizer = torch.optim.Adam(model.parameters(), lr=lr,
betas(0.0,0.9))
def train(epoch, shuffle, wisdom_model, optim, loss):
print('train')
accuracy = 0
batch_num = 0
wisdom_model.train()
for
浏览 33提问于2019-09-08得票数 1
我在一个基于WSL的环境中使用pytorch。当我在图形处理器(RTX3090)上训练深度学习模型(如下所示)时，它在loss.backward()停止响应。 pytorch停止后，GPU占用率为0%，nvidia-smi停止响应。 def train_loop(model, optimizer, scheduler, loader, device):
losses, lrs = [], []
model.train()
optimizer.zero_grad()
for i, d in enumerate(loader):
print(f"{i
浏览 183提问于2021-10-30得票数 0
4回答
当我们用PyTorch定义我们的模型时。我们运行不同的#epochs。我想知道在时代的迭代中。以下两段不同顺序的代码段之间有什么区别？这两个片段版本是：
我在教程上找到了
我的主管为项目提供的代码。
教程版本
for i in range(epochs):
logits = model(x)
loss = loss_fcn(logits,lables)
loss.backward()
optimizer.step()
optimizer.zero_grad()
主管版本
for i in range(epochs):
lo
浏览 11提问于2022-05-16得票数 2
我试图使用 CNN 使用FER2013数据集对PyTorch模型进行情感识别，我有以下错误：
Traceback (most recent call last):
File "VGG.py", line 112, in <module>
transfer.keras_to_pytorch(keras_network, pytorch_network)
File "/home/eorg/NeuralNetworks/user/Project/model/nntransfer.py", line 121, in keras_to_pyto
浏览 1提问于2017-11-08得票数 9
1回答
在pytorch中，我训练RNN/GRU/LSTM网络，方法是启动反向传播(通过时间)：
loss.backward()
当序列很长时，我希望通过时间进行截断的反向传播，而不是使用整个序列的时间进行正常的反向传播。
但是，我在Pytorch中找不到任何参数或函数来设置截断的BPTT。我错过了吗？我应该自己在毕道尔编码吗？
浏览 3提问于2018-12-24得票数 6
1回答
考虑一下，您使用的是Pytorch优化器(如torch.optim.Adam(model_parameters) )。
因此，在您的培训循环中，您将得到如下内容：
optimizer = torch.optim.Adam(model_parameters)
# put the training loop here
loss.backward()
optimizer.step()
optimizer.zero()
是否有一种方法来监视您的优化器正在采取的步骤？以确保您不是在平面上，因此不采取任何步骤，因为梯度是空的。也许检查学习率是个解决办法？
浏览 3提问于2020-05-12得票数 1
回答已采纳
我正在通过两个简单的nn.Module PyTorch模型实例model1和model2来转发和支持张量数据PyTorch。
如果不使用，我就无法让这个过程工作。
，所以它工作得很好：
y1 = model1(X)
v = Variable(y1.data, requires_grad=training) # Its all about this line!
y2 = model2(v)
criterion = nn.NLLLoss()
loss = criterion(y2, y)
loss.backward()
y1.
浏览 2提问于2019-07-23得票数 0
回答已采纳
我目前正在研究一个PyTorch模型，它应该解决一个多标签、二进制分类问题。
我的模型的最后一层是Sigmoid层，我想使用Pytorch中的BCELoss。
def train_step(self, x, y):
self._optim.zero_grad()
output = self._model(x)
loss = self._crit(output, y)
loss.backward()
self._optim.step()
这里，y是tensor([[0, 0]]) (两个标签为整数)，但输出是tensor([[0.5332, 0.3933]
浏览 13提问于2022-01-04得票数 0
我是PyTorch的新手，并且一直在做一些关于CIFAR10的教程，特别是Google Colab，因为我个人还没有一个图形处理器来对它进行实验。
我已经成功地训练了我的神经网络，但我不确定我的代码是否使用了Colab的图形处理器，因为使用Colab的训练时间并不比我2014年的MacBook专业版(没有图形处理器)快很多。
我检查了一下，我的笔记本确实在运行特斯拉K80，但不知何故，训练速度很慢。所以我想也许我的代码没有配备GPU语法，但我不知道哪部分是GPU语法。
# install PyTorch
from os import path
from wheel.pep425tags imp
浏览 1提问于2018-09-01得票数 4
回答已采纳
我正在训练CIFAR10数据集的LeNet模型。我在Google上使用PyTorch。只有当我使用model.parameters()作为惟一参数的Adam优化器时，代码才会运行。但是，当我更改优化器或使用weight_decay参数时，所有历次的精度都保持在10%。我不明白为什么会发生这种情况。
# CNN Model - LeNet
class LeNet_ReLU(nn.Module):
def __init__(self):
super().__init__()
self.cnn_model = nn.Sequential(nn.Conv
浏览 2提问于2020-05-06得票数 4
回答已采纳
1回答
在将机器学习算法从Keras移植到PyTorch之后，我遇到了性能上的糟糕回归。
以下是Keras中的构造：
model.compile(loss="binary_crossentropy", optimizer=SGD(learning_rate=0.01))
.
.
.
model.fit(states, actions)
比Pytorch中的以下详细版本快约15倍：
def train_network(model, optimizer, train_loader,
num_epochs=16, pbar_update_interval
浏览 13提问于2021-05-27得票数 0
回答已采纳
2回答
我正在使用下面的代码来训练一个简单的神经网络，通过PyTorch学习谐波。但我想打开洗牌模式来改进模型。这个目标有语法吗？
model = FCN(1,1,50,4)
optimizer = torch.optim.Adam(model.parameters(),lr=15e-3, weight_decay=15e-3/4000)
for i in range(4000):
optimizer.zero_grad()
yhh = model(x_data)
loss = torch.mean((yhh-y_data)**2)
loss.backward()
浏览 9提问于2022-06-15得票数 0
回答已采纳
我正在阅读Pytorch-Geometric (here)。 在下面的代码中，我们看到在没有train_mask的情况下，data被传递给模型。但是，当将输出和标签传递给损失函数时，train_mask将同时应用于这两个函数。在将data输入到模型中时，我们不是也应该将train_mask应用于它吗？在我看来，这应该不是问题。然而，看起来我们是在浪费未用于训练模型的输出上的计算。 model.train()
for epoch in range(200):
optimizer.zero_grad()
out = model(data)
loss = F.nll_los
浏览 39提问于2021-09-01得票数 0
回答已采纳
1回答
如果我输入整个数据而没有指定批量大小，pytorch SGD会做什么？我在案例中看不到任何“随机性”或“随机性”。例如，在下面的简单代码中，我将整个数据(x,y)输入到一个模型中。
optimizer = torch.optim.SGD(model.parameters(), lr=0.1)
for epoch in range(5):
y_pred = model(x_data)
loss = criterion(y_pred, y_data)
optimizer.zero_grad()
loss.backward()
optimizer.step
浏览 23提问于2020-02-05得票数 6
我试图将一个MATLAB转换成一个基于PyTorch的CNN，但我没有得到相同的结果。事实上，PyTorch代码并没有学到任何东西。输入为黑白图像，大小为64X64，批处理大小为64。我如何将下面的MATLAB代码编写成PyTorch？
MATLAB CNN：
boxsize = 64;
layers = [imageInputLayer([boxSize boxSize 1])
convolution2dLalyer(3,16,'Padding',1)
batchNormalizationLayer
reluLayer
maxPooling2dLayer(2,'
浏览 10提问于2022-08-08得票数 -1
我是pytorch的新手，我想知道如何显示损失和准确度的图表，以及我应该如何存储这些值，因为我知道我正在使用CIFAR10应用cnn模型进行图像分类。 下面是我目前的实现： def train(num_epochs,optimizer,criterion,model):
for epoch in range(num_epochs):
for i, (images, labels) in enumerate(trainloader):
# origin shape: [4, 3, 32, 32] = 4, 3, 1
浏览 61提问于2020-07-27得票数 2
回答已采纳
在pytorch中，要更新模型，我应该使用optimizer.step()还是model.step()？
下面是一个示例片段：
import torch
import torch nn
class SomeNeuralNet(nn.Module):
def __init__(self,hs,es,dropout):
SomeNeuralNet(ClaimRecognizer, self).__init__()
# Some initialization here
def forward(x):
# forward pr
浏览 0提问于2018-11-14得票数 3
回答已采纳
我在PyTorch中使用Adam优化器训练了一个模型，并将weight_decay参数设置为1.0。
optimizer = optim.Adam(model.parameters(), lr=args.lr, weight_decay=1.0)
optimizer.zero_grad()
loss.backward()
optimizer.step()
如果我想要比较weight_decay损失和模型损失的数量，如何查看weight_decay造成的损失的价值
浏览 0提问于2019-10-18得票数 0
我正在尝试建立一个网络，其中一层从实数映射到{0，1} (即将输出设为二进制)。
我尝试过的
虽然我能够发现torch.ge提供了这样的功能，但每当我想训练网络PyTorch中该层中断之前出现的任何参数时。
我也一直在尝试寻找在PyTorch/autograd中是否有任何方法可以手动覆盖模块的派生。更具体地说，在这种情况下，我只想通过torch.ge传递派生函数，而不更改它。
最小示例
下面是我生成的一个最小示例，它使用了PyTorch中的典型神经网络训练结构。
import torch
import torch.nn as nn
import torch.optim as optim
c
浏览 2提问于2019-10-24得票数 0
我在PyTorch中学习神经网络，我发现：
#Loss function
criterion = nn.MSELoss()
#Optimizer
from torch import optim
optimizer = optim.Adam(MLP.parameters(), lr=args['lr'], weight_decay=args['weight_decay'])
def train(train_loader, MLP, epoch): #MLP is the model
MLP.train()
start = t
浏览 10提问于2022-02-21得票数 -2
回答已采纳
1回答
我从20+6列(特征和标签)的CSV文件加载数据。我正尝试在pytorch中通过卷积神经网络运行我的数据。我得到一个错误，说它需要3D输入，而我给它提供了1D输入。我正在使用Conv1d。 import torch
import torch.nn as nn
import torch.nn.functional as F
import numpy as np
import pandas as pd
from torch.utils.data import Dataset,DataLoader
from sklearn.model_selection import train_test_spl
浏览 27提问于2020-02-01得票数 0
回答已采纳
1回答
我最近读了一段Pytorch代码，遇到了loss.backward()和optimizer.step()函数，有没有类似于使用tensorflow/keras的函数呢？
浏览 2提问于2020-05-05得票数 6
1回答
我知道在PyTorch中，优化器是通过
optimizer = torch.optim.SGD(model.parameters(), lr=learning_rate)
在训练循环中，我们必须向后执行，并通过执行这两行来更新梯度。
loss.backward()
optimizer.step()
但是，损失是如何与模型参数相关联的呢？因为我们只定义优化器和模型之间的连接，而从不定义损失和模型之间的关联。
当我们执行loss.backward()时，PyTorch如何知道我们将为我们的model做反向传播
我把完整的代码放在这里作为上下文
import torch
import torch.n
浏览 8提问于2022-08-20得票数 0
我正在尝试将CNN LSTM for keras转换为pytorch，但我遇到了麻烦。 ConvNN_model = models.Sequential()
ConvNN_model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(64, 64, 1)))
ConvNN_model.add(layers.MaxPooling2D((2, 2)))
ConvNN_model.add(layers.Conv2D(64, (3, 3), activation='relu'))
ConvNN_
浏览 57提问于2021-04-05得票数 0
回答已采纳
损失是根据使用py手电(而不是TensorFlow)创建的目标模型计算的，在传播时，我运行下面的代码，并出现以下错误消息。
loss.backward()
(可以毫无问题地计算前向传播。)
terminate called after throwing an instance of 'std::runtime_error'
what(): tensorflow/compiler/xla/xla_client/computation_client.cc:280 : Missing XLA configuration
Aborted
-pytorch(1.12.0+cu102)
浏览 36提问于2022-10-12得票数 1
我是PyTorch和机器学习的新手，所以我试着遵循下面的教程：
通过一步一步地复制代码，我无缘无故地得到了以下错误。我在另一台计算机上尝试了这个程序，结果出现了语法错误。但是，我的IDE没有警告我的任何语法。我真搞不懂怎么才能解决这个问题。任何帮助都是非常感谢的。
RuntimeError: DataLoader worker exited unexpectedly
这是密码。
import torch
from torchvision import datasets
from torchvision.transforms import ToTensor
import torch.nn as
浏览 9提问于2022-02-25得票数 3
回答已采纳
我知道这个问题可能很愚蠢，但我在网上找不到任何帮助。最近我在我的电脑上安装了anaconda，它运行Windows10 x64。然后我使用anaconda提示符下载并安装了3.6python的pytorch：
conda install pytorch torchvision cuda100 -c pytorch
安装完成后，我在anaconda的提示符中验证是否安装了pytorch：
>>> Python
>>> Import torch
>>> torch.cuda.is_available()
True
我还检查了conda列表，确实
浏览 18提问于2018-12-13得票数 2
回答已采纳
这听起来可能有点基本，但在运行下面的代码时，我希望看到向后函数的源代码：
import torch.nn as nn
[...]
criterion = nn.CrossEntropyLoss()
loss = criterion(output, target)
loss.backward()
所以我去了PyTorch GitHub，找到了CrossEntropyLoss类，但是没有定义任何向后函数。往上看，CrossEntropyLoss扩展了_WeightedLoss >> _Loss >>模块，然后仍然什么也没有。
那么，向后函数在哪里定义呢？
浏览 0提问于2020-07-08得票数 4
回答已采纳
我不确定PyTorch恒流如何将损失函数与我想要计算的模型联系起来。在损失和模型之间从来没有明确的引用，比如模型的参数和优化器之间的引用。
例如，我想在同一个数据集上训练2个网络，所以我想利用数据集中的一次传递。PyTorch将如何将适当的损失函数链接到适当的模型。以下是供参考的代码：
import torch
from torch import nn, optim
import torch.nn.functional as F
from torchvision import datasets, transforms
import shap
# Define a transform to n
浏览 2提问于2019-11-14得票数 7
回答已采纳
我正在学习这个新的ONNX框架，它允许我们将深入学习(和其他)模型部署到生产中。
然而，有一件事我错过了。我认为有这样一个框架的主要原因是为了推理的目的，例如，当我们有一个经过训练的模型，并且想要在一个不同的地方使用它(例如，我们不能使用PyTorch)，这个模型仍然可以使用。
我在这里预编了一个“从头开始”的例子：
# Modules
import torch
import torch.nn as nn
import torch.optim as optim
import torch.nn.functional as F
from torch.utils.data import DataLo
浏览 3提问于2021-06-27得票数 5
回答已采纳
1回答
当训练CNN时中断循环
、、、、
我已经建立了一个相对较深层次的CNN，它接受了224x224图像。我有一个训练集~5000的图像，我用它来训练我的CNN使用传统的循环方法。但是，我有一个问题，循环只打印第一个时代的结果，然后继续运行(即单元格永远保持执行)。
我的输出代码：
#Model training
epochs = 2
for epoch in range(epochs):
running_loss = 0
#Train
cnn.train()
for images, labels in trainloader:
if cuda:
im
浏览 3提问于2021-02-17得票数 1
1回答
我开始使用Pytorch，目前正在做一个项目，我正在使用一个简单的前馈神经网络进行线性回归。问题是，我在Pytorch中找不到任何可以让我获得Keras或SKlearn中线性回归模型的准确性的东西。在keras中，只需在编译函数中设置metrics=["accuracy"]即可。我在Pytorch的文档和官方网站上搜索了一下，但什么也没找到。这个API似乎不存在于Pytorch中。我知道我可以在训练过程中观察损失，或者我可以简单地获得测试损失，根据它我可以知道损失是否减少，但我希望使用Keras结构，在该结构中我可以获得损失值和精确值。Keras的方式看起来更清晰。我还尝试使
浏览 16提问于2019-10-06得票数 1
我是PyTorch的新手，我从cnn层得到了以下错误："RuntimeError:期望的标量类型Double，但发现了浮点“。我将每个元素转换为.astype(np.double)，但错误消息仍然存在。然后，在转换Tensor之后，尝试使用.double()，但错误消息仍然存在。为了更好地理解，下面是我的代码： import torch.nn as nn
class CNN(nn.Module):
# Contructor
def __init__(self, shape):
super(CNN, self).__init__()
浏览 285提问于2021-04-15得票数 2
回答已采纳
我正在使用pytorch nn模块的MSE损失函数计算训练期间的损失，如下所示：
loss = criterion(prediction, truth)
loss = loss.to(torch.double)
optimizer.zero_grad()
loss.backward()
optimizer.step()
但出于某种原因，我一直在犯错误：
---> 54 loss.backward()
浏览 8提问于2022-04-11得票数 0
我的目标是进行五类文本分类 我正在使用cnnbase模型运行bert微调，但我的项目在loss.backward()停止，在cmd中没有任何提示。 我的程序可以在lstm和rcnn等rnn base上成功运行。 但是，当我运行某个cnnbase模型时，出现了一个奇怪的bug。 我的cnn模型代码： import torch
import torch.nn as nn
import torch.nn.functional as F
# from ..Models.Conv import Conv1d
from transformers.modeling_bert import BertPreT
浏览 154提问于2019-12-09得票数 3
回答已采纳
1回答
H1，我试图建立一个满足简单公式的神经网络模型。
Y= X1^2 + X2^2
但是，当我使用CrossEntropyLoss作为损失函数时，我会得到两条不同的错误消息。
首先，当我像这样设置代码时
x = torch.randn(batch_size, 2)
y_hat = model(x)
y = answer(x).long()
optimizer.zero_grad()
loss = loss_func(y_hat, y)
loss.backward()
optimizer.step()
我收到这条消息
RuntimeError: Assertion `cur_target >
浏览 1提问于2018-12-01得票数 1
回答已采纳
1回答
GCN中数据集的验证
、、、
我正在使用PyTorch，我正在尝试对我的数据集进行验证，以获得我的神经网络中的最佳通道数。我有以下代码： def train_during_validation():
for epoch in range (1, 201):
model.train()
optimizer.zero_grad()
out = model(data.x, data.edge_index)
loss = criterion(out[data.val_mask], data.y[data.val_mask])
loss.bac
浏览 24提问于2021-03-22得票数 1
我在这里浏览了PyTorch CNN的实现：
我无法理解他们是如何取代“？”的。有价值的。计算CNN层输出的公式是什么？
这在PyTorch中是必要的，而在Tensorflow - Keras中则不是这样。如果有任何其他博客可以很好地解释这一点，请把它放在评论中。
# Implementation of CNN/ConvNet Model
class CNN(torch.nn.Module):
def __init__(self):
super(CNN, self).__init__()
# L1 ImgIn shape=(?, 28, 28, 1)
浏览 2提问于2022-03-28得票数 0
我已经使用PyTorch在我的自定义数据集上训练了YOLO-v3 tiny。为了比较推断时间，我在CPU、PyTorch GPU和PyTorch CPU上尝试了on。平均运行时间约为：
运行时cpu: 110毫秒- CPU使用率: 60% Pytorch GPU: 50毫秒Pytorch CPU: 165毫秒- CPU使用率: 40%，并且所有型号都使用批处理大小1。
然而，我不明白为什么options比PyTorch更快，因为我没有用过onnxruntime的任何优化选项。我只是用了这个：
onnx_model = onnxruntime.InferenceSession('mode
浏览 10提问于2021-06-12得票数 2
我正在用PyTorch做一个策略梯度方法。我想将网络更新移动到循环中，但它停止了工作。我还是个PyTorch新手，如果原因很明显的话，很抱歉。
以下是运行正常的原始代码：
self.policy.optimizer.zero_grad()
G = T.tensor(G, dtype=T.float).to(self.policy.device)
loss = 0
for g, logprob in zip(G, self.action_memory):
loss += -g * logprob
loss.backw
浏览 0提问于2021-02-13得票数 0
我曾经看过以下神经网络的实现。我对Train()函数中的model.train()感到困惑。在CNN_ForecastNet类中，我找不到训练的方法，
class CNN_ForecastNet(nn.Module):
def __init__(self):
super(CNN_ForecastNet,self).__init__()
self.conv1d = nn.Conv1d(3,64,kernel_size=1)
self.relu = nn.ReLU(inplace=True)
self.fc1 = nn.Lin
浏览 10提问于2021-06-09得票数 0
回答已采纳
1回答
我想为FashionMNIST数据集在PyTorch中构建一个LSTM模型。稍后，我将需要将其扩展到包含视频的不同数据集。
它应该得到一个图像序列( FashionMNIST)作为输入(比方说20个图像)，输出应该告诉我序列中有多少运动鞋(6级)，以及它们在序列中的位置。
我想知道这是一个简单的LSTM，还是简单的CNN，或者我是否需要一个CNN_LSTM？我试图在CNN_LSTM中实现PyTorch。在下面您可以找到我的当前模型(它现在抛出一个错误)。最后一行抛出以下错误：“输入必须有3维，got 4”(我还添加了错误消息的第一部分作为图片)。有人能提供一些帮助吗？我这样做对吗？我无法修复错
浏览 3提问于2021-03-03得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
