问题标签 [torchvision]

我正在使用以下代码。我在具有以下配置的 GPU 机器上运行它：

我正在使用 pytorch 版本 1.0.0.dev20181123。

我面临这个错误：RuntimeError: DataLoader worker (pid 23646) iskilled by signal: Illegal instruction。

认为这是一个共享内存问题，我在这里尝试了解决方案：https ://www.lucidarme.me/increase-shared-memory-limit/

它没有帮助。任何指针？

我想使用 MNIST 数据集而不是 ImageNet 数据集来训练 SqueezeNet 1.1 模型。
我可以拥有与 torchvision.models.squeezenet 相同的模型吗？
谢谢！

我按以下方式构建了我的数据集：

所以我曾经torchvision.datasets.ImageFolder将我的数据集导入到 PyTorch。但是，似乎它没有给正确的图像贴上正确的标签。我在下面添加了我的代码：

我使用以下函数发现标签错误：

使用显示的图像和标签，我手动检查它们是否正确。不幸的是，标签与图像不对应。有人可以告诉我我做错了什么吗？

我想在已经在 ImageNet 上训练过的模型上使用迁移学习创建一个图像分类器。

如何torchvision.models用我自己的自定义分类器替换 ImageNet 分类器的最后一层？

我是 pytorch 的新手，现在我被困在这一个多星期了。我正在尝试使用 AlexNet 制作“gta san Andreas”自动驾驶汽车，但在准备数据时遇到了很多问题。现在我收到这个错误。

这是训练脚本

这就是我准备数据的方式

我尝试了很多解决方案，但没有一个有效，但我觉得我错过了一些东西。我太忙了，所以请帮忙

我是 pytorch 的新手，在 AlexNet 中遇到了频道问题。我将它用于“gta san andreas 自驾车”项目，我从具有一个通道的黑白图像中收集数据集并尝试使用脚本训练 AlexNet：

我正在使用来自链接的 AlexNet： https ://github.com/pytorch/vision/blob/master/torchvision/models/alexnet.py

但是将第 18 行从：

至 ：

因为我在训练图像中只使用一个通道，但是我收到了这个错误：

我不知道出了什么问题，像这样改变通道大小是不是错了，如果错了，请引导我使用一个通道的神经网络，正如我所说我是 pytorch 的新手和我不想自己写nn。

我不确定是问这个问题的正确地方，如果我需要删除帖子，请随时告诉我。

我是 pyTorch 的新手，目前正在使用 CycleGAN（pyTorch 实现）作为我项目的一部分，并且我了解 cycleGAN 的大部分实现。

我阅读了名为“CycleGAN with better Cycles”的论文，我正在尝试应用论文中提到的修改。修改之一是循环一致性权重衰减，我不知道如何应用。

我的问题是如何逐渐减轻循环一致性损失的权重？

任何帮助实施此修改将不胜感激。

这来自论文：循环一致性损失有助于在早期阶段大量稳定训练，但在后期阶段成为现实图像的障碍。我们建议随着训练进度逐渐衰减循环一致性损失 λ 的权重。但是，我们仍然应该确保 λ 不会衰减到 0，这样生成器就不会变得不受约束并完全疯狂。

提前致谢。

我正在处理 CIFAR10，我使用 torchvision.datasets 来创建它。我需要 GPU 来加速计算，但我找不到将整个数据集一次性放入 GPU 的方法。我的模型需要使用小批量，单独处理每个批次确实非常耗时。

我尝试将每个 mini-batch 分别放入 GPU 中，但这似乎非常耗时。

我在一所大学里，所有的文件系统都在一个远程系统中，无论我在哪里使用我的帐户登录，我都可以访问我的主目录。即使我通过 SSH 命令登录到 GPU 服务器。这是我使用 GPU 服务器读取数据的情况。

目前，我使用 PyTorch 在 ImageNet 上从头开始训练 ResNet，我的代码只使用同一台计算机中的所有 GPU，我发现“torchvision.datasets.ImageFolder”需要将近两个小时。

请您提供一些关于如何加快“torchvision.datasets.ImageFolder”的经验？非常感谢。

我已经执行了以下代码并在最底部显示了错误。我想知道如何解决这个问题。谢谢

执行此我收到以下错误：

RuntimeError Traceback (most recent call last) in () ----> 1 output = model(data) 2 3 ## 2. 损失计算 4 loss = loss_function(output, target) 5

/usr/local/lib/python3.6/dist-packages/torch/nn/modules/module.py in call(self, *input, **kwargs) 487 结果 = self._slow_forward(*input, **kwargs)

/usr/local/lib/python3.6/dist-packages/torch/nn/functional.py 线性（输入，重量，偏差）1352 ret = torch.addmm（torch.jit._unwrap_optional（偏差），输入，重量.t()) 1353 else: -> 1354 output = input.matmul(weight.t()) 1355 如果偏差不是 None: 1356 output += torch.jit._unwrap_optional(bias)

RuntimeError：大小不匹配，m1：[3584 x 28]，m2：[784 x 128] 在 /pytorch/aten/src/TH/generic/THTensorMath.cpp:940