问题标签 [torchvision]

当我试图弄清楚torchvision.datasets.cifar.CIFAR10里面是什么时，我做了一些简单的代码

但是，我在尝试时遇到了一些错误

错误信息是

我想知道为什么我可以使用trainset[1]，但不能trainset[:10]？

我试图了解 torchvision 如何与 mathplotlib 交互以生成图像网格。生成图像并迭代显示它们很容易：

然而，在网格中显示这些图像似乎并不那么简单。

尽管 PyTorch 的文档表明 w 是正确的形状，但 Python 说它不是。所以我试图置换我的张量的索引：

这里发生了什么事？如何将一堆随机生成的图像放入网格中并显示它们？

是否可以仅在 PyTorch 的 STL10 数据集中的 class = 0 处提取torchvision？我可以循环检查它们，但需要接收成批的 0 类图像

根据 iacolippo 的回答进行编辑 - 现在正在运行：

我正在尝试使用以下方法可视化 PyTorch 模型的图形：https ://github.com/lanpa/tensorboardX

但是，当我按照演示示例的 GitHub README 页面上的说明进行操作时：

• 运行演示脚本：python demo.py

• 配合 TensorBoard 使用tensorboard --logdir runs（需要安装 TensorFlow）

大多数选项都有效 - 除了“图表”选项卡。去那里时，它会显示以下错误消息：

未找到图形定义文件。

要存储图形，请创建一个tf.summary.FileWriter并通过构造函数或调用其add_graph()方法传递图形。您可能想查看图形可视化器教程。

如果您不熟悉使用 TensorBoard，并且想了解如何添加数据和设置事件文件，请查看READMETensorBoard 教程，或许还有教程。

如果您认为 TensorBoard 配置正确，请参阅README专用于丢失数据问题的部分，并考虑在 GitHub 上提交问题。

当 shell 输出这些错误时：

我使用以下方法安装了tensorboadX主分支：

（我之前也尝试过tensorboardX1.2 版但没有成功）

我尝试切换到不同的版本但没有成功，还有那些被“推荐”的版本tensorboardX：

在 anaconda2 / anaconda3 上测试，使用 PyTorch 0.4 / torchvision 0.2 / tensorboard 1.7.0

有很多类似的问题，同样的错误消息说明：No graph definition files were found.，但我发现所有这些问题都与 Tensorflow 本身有关，而不是 PyTorch。

在我看来，这只是定位正确文件的问题，但我还没有找到任何解决方案。

任何帮助是极大的赞赏！

问题很简单——

我想从 pytorch/torchvision 中的图像中裁剪出一个四边形。给定，我有这个四边形角的四个坐标。

请注意，这四个点在其内部限定了一个四边形，该四边形可能是矩形，也可能不是矩形。因此，请不要建议涉及图像切片的答案。

如果我错过了任何相关细节，请发表评论。

我指的是可以在这里找到的模型：https ://pytorch.org/docs/stable/torchvision/models.html#torchvision-models

TypeError: Traceback (last last call last) in () 41 test_loader = torch.utils.data.DataLoader(test_dataset, batch_size=80, num_workers=8, shuffle=False) 42 ---> 43 model = SqueezeNext() 44 model = model.to(device) 45 def load_checkpoint(model, optimizer, losslogger, filename='SqNxt_23_1x_Cifar.ckpt'): TypeError: init () missing 3 required positional arguments: 'width_x', 'blocks', 和 'num_classes'

我认为我没有以正确的方式实现这一点！！

这里图像必须根据 VGG16 模型的输入类型进行转换。我为此使用了以下代码，我使用库中的 VGG16 模型并将预训练的值设置为 true

它给了我以下错误：

我想在应用转换并将其馈送到 VGG16 模型后预测给定输入图像的输出

我正在尝试使用 Pytorch 的新代码。在这段代码中，为了加载数据集 (CIFAR10)，我使用了 torchvision 的数据集。我定义了两个变换函数 ToTensor() 和 Normalize()。规范化后，我希望数据集中的数据应该在 0 和 1 之间。但最大值仍然是 255。我还在 transforms.py (Lib\site-packages\ torchvision\transforms\transforms.py）。运行代码时也不会打印此打印。不知道发生了什么。我在互联网上访问的每个页面都提到了几乎和我一样的用法。例如我访问过的一些网站 https://github.com/adventuresinML/adventures-in-ml-code/blob/master/pytorch_nn.py https://github.com/pytorch/tutorials/blob/master/beginner_source/blitz /cifar10_tutorial。

我的代码如下。这会读取带有和不带有 Normalize 的数据集，然后打印一些统计信息。打印的最小值和最大值是数据是否标准化的指标。

输出看起来像，

请帮助我更好地理解这一点。正如我尝试过的大多数功能一样，最终都会得到类似的结果——例如灰度、CenterCrop。

我正在尝试使用 Pytorch 设置图像分类器。我的示例图像有 4 个通道，大小为 28x28 像素。我正在尝试使用内置的 torchvision.models.inception_v3() 作为我的模型。每当我尝试运行我的代码时，都会收到此错误：

RuntimeError：计算的每个通道的填充输入大小：（1 x 1）。内核大小：（3 x 3）。内核大小不能大于 /opt/conda/conda-bld/pytorch_1524584710464/work/aten/src/THNN/generic/SpatialConvolutionMM.c:48 处的实际输入大小

我找不到如何更改每个通道的填充输入大小或完全弄清楚错误的含义。我认为我必须修改每个通道的填充输入大小，因为我无法在预制模型中编辑内核大小。

我尝试过填充，但没有帮助。这是我调用 train() 时引发错误的代码的缩短部分：