使用PyTorch深度学习搭建模型后，如果想查看模型结构，可以直接使用print(model)函数打印。但该输出结果不是特别直观，查阅发现有个能输出类似keras风格model.summary()的模型可视化工具。这里记录一下方便以后查阅。PyTorch打印模型结构、输出维度和参数信息（torchsummary）安装torchsummary输出网络信息AttributeError:'tuple'objecthasnoattribute'size'安装torchsummarypipinstalltorchsummary输出网络信息summary函数介绍model：网络模型input_size：网
使用PyTorch深度学习搭建模型后，如果想查看模型结构，可以直接使用print(model)函数打印。但该输出结果不是特别直观，查阅发现有个能输出类似keras风格model.summary()的模型可视化工具。这里记录一下方便以后查阅。PyTorch打印模型结构、输出维度和参数信息（torchsummary）安装torchsummary输出网络信息AttributeError:'tuple'objecthasnoattribute'size'安装torchsummarypipinstalltorchsummary输出网络信息summary函数介绍model：网络模型input_size：网
一、背景最近在跑一个深度学习的代码，需要PyTorch的环境。配置成功后，赶紧总结复盘一些，顺带分享出来！！！二、前提条件已经安装好Anaconda。还没有安装好Anaconda的小伙伴们,请先看我的这篇博客:https://blog.csdn.net/Elon15/article/details/125660865?spm=1001.2014.3001.5501anaconda是什么东东呢？通俗的来讲就是一个环境管理器，你可以把它想成是一个池子，这个池子里面有各种名称的环境（名称是由你自己定的，用来标识环境就行）。池子中的环境互不干扰，方便咋们用不同的环境跑不同的代码（因为不同的代码，他要求
Windows系统cuda、cudnn与pytorch下载与安装的经验本文会分享自己在安装cuda、cudnn和pytorch过程中的经验与教训，包括涉及装错cuda版本后怎么卸载。下载链接CUDA下载：https://developer.nvidia.com/cuda-toolkit-archiveCUDNN下载：https://developer.nvidia.com/rdp/cudnn-downloadpytorch下载：pytorch.org检查版本打开NVIDIAControlPanel，查看自己的驱动能支持最高到什么版本的cuda。操作步骤如下：我的驱动最高可以支持cuda11.8
前两天想接触docker，但是苦于一直没有pull成功，现在用这篇博客记录一下解决的方法，以及docker的简单命令行与使用docker配置pytorch的cpu与gpu容器文章目录1.Pytorch环境的配置2.Docker命令行总结简要介绍：Docker包括三个基本概念：镜像（Image）：Docker镜像（Image），就相当于是一个root文件系统。比如官方镜像ubuntu:16.04就包含了完整的一套Ubuntu16.04最小系统的root文件系统。容器（Container）：镜像（Image）和容器（Container）的关系，就像是面向对象程序设计中的类和实例一样，镜像是静态的定
前两天想接触docker，但是苦于一直没有pull成功，现在用这篇博客记录一下解决的方法，以及docker的简单命令行与使用docker配置pytorch的cpu与gpu容器文章目录1.Pytorch环境的配置2.Docker命令行总结简要介绍：Docker包括三个基本概念：镜像（Image）：Docker镜像（Image），就相当于是一个root文件系统。比如官方镜像ubuntu:16.04就包含了完整的一套Ubuntu16.04最小系统的root文件系统。容器（Container）：镜像（Image）和容器（Container）的关系，就像是面向对象程序设计中的类和实例一样，镜像是静态的定
Swintransformer是microsoft在2021年提出的方法（原版code链接），本文通过将其与小波时频图结合起来，共同用于轴承故障诊断中，目前还没有人将这个方法用于故障诊断哟。1.Swintransformer结构 上图展示的是官方的模型结构图，实际上是tiny模型，。它首先通过利用patchpartition将输入的图像分割为非重叠patch。其次采用linearembedding，将patch投影到维度C，然后交替使用窗口注意力机制与移位窗口注意力，并采用patchmerging进行下采样操作（起到CNN中池化层的作用）。与基于resnet的结构类似，可
Swintransformer是microsoft在2021年提出的方法（原版code链接），本文通过将其与小波时频图结合起来，共同用于轴承故障诊断中，目前还没有人将这个方法用于故障诊断哟。1.Swintransformer结构 上图展示的是官方的模型结构图，实际上是tiny模型，。它首先通过利用patchpartition将输入的图像分割为非重叠patch。其次采用linearembedding，将patch投影到维度C，然后交替使用窗口注意力机制与移位窗口注意力，并采用patchmerging进行下采样操作（起到CNN中池化层的作用）。与基于resnet的结构类似，可
一、conda创建并激活虚拟环境前提：确定你安装好了anaconda并配置好了环境变量，如果没有，网上有很多详细的配置教程，请自行学习打开AnacondaPrompt创建conda虚拟环境并激活注：env_name表示创建虚拟环境的名字，可以起任意名（我创建时命名为pytorch）激活虚拟环境总结：#创建一个虚拟环境condacreate-n[your_env_name（你的虚拟环境的名字）]python==[X.X]（2.5、3.8等)#eg：condacreate-nnnunet_envpython=3.8#进入虚拟环境condaactivate[你的虚拟环境名]#退出虚拟环境condad
【图像分类】【深度学习】ViT算法Pytorch代码讲解文章目录【图像分类】【深度学习】ViT算法Pytorch代码讲解前言ViT(VisionTransformer)讲解patchembeddingpositionalembeddingTransformerEncoderEncoderBlockMulti-headattentionMLP完整代码总结前言ViT是由谷歌公司的Dosovitskiy,Alexey等人在《AnImageIsWorth16x16Words:TransformersForImageRecognitionAtScale[ICLR2021]》【论文地址】一文中提出的模型，
