问题标签 [fast-ai]

我是 PyTorch 的新手，我正在使用经典的 MNIST 数据集进行图像分类。在拟合模型时，我遇到了错误：

我正在使用 fastai 库的类作为所有训练和验证数据的包装器以及一个非常基本的单层神经网络。我正在使用的代码如下：

有人可以告诉这个错误是什么以及它的解决方案吗？

创建一个学习者

我可以从下面的测试集代码中检查预测

如何检查不是数据集的新数据集的预测？我在下面尝试

但它给了我一个与验证集108000比较的数组。45000

有没有一种简单的方法来使用上述学习器对新数据进行评分？

我在做fast-ai的课程，SGD看不懂.....

这通过（学习率*梯度）减去系数......

但是为什么要减去呢？

这是代码：

两者有什么区别？例如，两者用于达到函数的最小点（较低的损失）。

我理解（我认为）学习率乘以梯度（斜率）以使梯度下降，但是这样吗？我错过了什么吗？

lr和梯度有什么区别？

谢谢

我正在参加 fast-ai 课程，在第 2 课 SGD 中它说。

Mini-batch：'用于更新权重的随机点'

它还说梯度下降使用小批量......

什么是小批量，小批量与批量有什么区别？

谢谢您的帮助

我有一个export.pkl在 cuda 机器上训练过的模型。我想在 macbook 上使用它：

我收到以下错误：

我有两个问题：

• 我raise在我的export.pkl：

据说关于文档字符串中的模块：module to be parallelized. 我真的不明白它是什么。我的笔记本电脑？

除了我的macbook，我想在cpu上运行模型

• 有没有办法让这个export.pkl模型在 cpu 上工作？
• 有没有办法export.pkl在 cuda 上制作另一个并在 cpu 上可用？

谢谢

我最近一直在玩 Ulmfit，但仍然无法理解语言模型对下一个单词做出正确预测的能力如何影响文本分类。我想我真正的问题是我不明白网络底层发生了什么。如果我错了，请纠正我，但程序是这样的（？）：

语言模型经过预训练，然后进行微调。这部分对我来说似乎很清楚：根据当前和前面的词，你形成了关于下一个词的概率。然后模型从旨在创建概率分布的 softmax 层中剥离出来。您添加了一个解码器，该解码器由一个 reLU 层（该层实际上在做什么？）和另一个输出给定文本文档的类成员概率的 softmax 层组成。所以这里有很多我不明白的地方：文本文档是如何被接收和处理的？我假设一个字一个字？那么你如何最终得到预测呢？它是所有单词的平均值吗？嗯，你可以看到我很困惑。希望您能帮助我更好地了解 Ulmfit！提前致谢！

我正在尝试分别运行不同的fit_one_cycle功能时期；保存模型，加载它并开始一个新的时代：

问题：我应该如何改变learning rate每个时代之后？

我正在学习 fastai，并且经常遇到“[Errno 32] Broken pipe”错误，我在 pip 和 conda 中有必要的软件包，并且还运行 Intel i5-2520M 2.5GHz，Windows 10 64 位，Python

，以及Pytorch的CPU版本，因为我没有专用的GPU，以及最新的Pytorch

还有法泰

在我的环境中在 conda 中启动脚本后，我在终端中得到以下信息

正如你所看到的 Errno 32 打开了，我环顾四周，人们说把它放在if __name__ == '__main__':训练代码之前，但是当我这样做时，错误消失了，但它没有训练。

所以这就是我所做的（HeadPose.py），首先我们从路径中获取数据并将图像转换为坐标进行训练

然后此代码从文件biwi_head_pose夹中的文件创建一个数据集

这是使用卷积神经网络训练数据的代码。

我正在关注这个 fastai github 页面中的教程： https ://github.com/fastai/course-v3/blob/master/nbs/dl1/lesson3-head-pose.ipynb

我正在尝试 fastai 示例，第 3 课-camvid.ipynb，并且在示例的开头有一个关于图像和标签的验证。我们可以从该原始图像中看到原始图像和掩码（地面语义分割）。

例如，来自 camvid 数据集的图像 150：

但是，如果我更改图像，例如从 camvid 数据集中更改图像 250：

掩码标签更改，例如。道路标签的颜色与上一张图片不同：

显然，每个标签出现在每个图像上的顺序很重要。

那么，这是一个问题吗？这是我应该以某种方式解决的问题吗？

提前致谢！