问题标签 [torchvision]

我在 Pytorch v1.3、torchvision v0.4.2 上有一个预训练模型，如下所示：

我想测试这个单一的图像，但我得到一个错误：

让模型评估单个数据点的最简单和惯用的方法是什么？

您好，我是 Pytorch 的新手，我一直在尝试完成本教程。[ https://github.com/pytorch/tutorials/blob/master/intermediate_source/torchvision_tutorial.rst]

我正在使用 Visual Studio Code，conda 安装了 Pytorch。最初的问题是它缺少模块引擎。但是这个问题在这里解决了：那么我们如何获得references/detection/文件夹呢？我们应该下载和安装什么？我已经在我的环境中安装了 pytorch、torchvision，但我找不到这些文件。谢谢我误读了一步。所以我下载了 pycocotools 并将其复制到项目目录中，并将 vision/detection/ .py 文件也复制到其中。这样做它解决了这个问题，但它现在给出的错误是。

我不太确定这里的问题是什么或如何解决它。鉴于存在 _mask.pyx 并且是我认为正在导入的内容。正如我所说，我不确定问题是什么，但我将不胜感激。

Python 版本：3.7.4 Pytorch：1.2.0（Cuda 10）

我正在尝试在 ubuntu 18.04 上通过 pip 安装 Pytorch。我有 python 3.6，我的笔记本电脑是 HP-Pavilion notebook 15

安装似乎是正确的，因为我收到消息：

安装采集包：torch、torchvision 成功安装torch-1.3.1+cpu torchvision-0.4.2+cpu

我运行验证码，没问题

但是，当我关闭终端或重新启动并尝试运行相同的代码时，我收到错误：

回溯（最近一次通话最后）：

导入火炬中的文件“torch.py​​”，第 2 行

AttributeError：模块“火炬”没有属性“rand”

我想对我的数据应用skimage 的本地二进制模式特征提取，并且想知道在我的手电筒的变换中是否有可能这样做，现在如下：

如果没有，我将如何实施？导入数据时我必须这样做吗？

我正在尝试导入这个：

但它抛出：

ModuleNotFoundError：没有名为“torchvision.models.video”的模块

我可以毫无问题地导入其他模型，例如：

知道这怎么会发生吗？

python v 3.7.3, pytorch v 0.4.1, 使用 jupyter

我正在使用以 ResNet50 作为基础模型的迁移学习创建图像分类器。我遇到了一个我不明白如何调试的错误，即使在网上搜索了解决方案之后也是如此。我不知道为什么我的尺寸这么偏。任何有关做什么的帮助将不胜感激。此外，任何关于使用 Pytorch 进行深度学习的书都很棒:)

ResNet 最后一层的代码：

训练代码：

错误：

编辑：我删除了images = images.view.shape[0], -1，它正在将我的张量转换为[8, 196608]. 但现在我收到一个新错误：

RuntimeError: size mismatch, m1: [8 x 8192], m2: [2048 x 256] at c:\programdata\miniconda3\conda-bld\pytorch_1532509700152\work\aten\src\th\generic/THTensorMath.cpp:2070

我用 torchvision 下载了 cifar10 数据集

但是打印结果很奇怪

(50000, 32, 32, 3) torch.Size([1, 3, 224, 224]) torch.Size([3, 224, 224])

我是 pytorch 的新手，我正在尝试遵循以下指南（例如这个）：

或者

当我尝试运行它时，出现错误：

此外，似乎任何文档中都没有提到 torchvision.datasets.vision 。请帮忙。谢谢。

I use some code similar to the following - for data augmentation:

During my testing I want to fix random values to reproduce the same random parameters each time I change the model training settings. How can I do it?

I want to do something similar to np.random.seed(0) so each time I call random function with probability for the first time, it will run with the same rotation angle and probability. In other words, if I do not change the code at all, it must reproduce the same result when I rerun it.

Alternatively I can separate transforms, use p=1, fix the angle min and max to a particular value and use numpy random numbers to generate results, but my question if I can do it keeping the code above unchanged.

试图将显着性图放到图像上并制作一个新的数据集

这个 load_cifar10 是 torchvision

带有 (50000,32,32,3) 的 sal_maps_hf 形状和带有 (50000,32,32,3)的 trainloader
形状

但是当我运行这个

-------------------------------------------------- ------------------------- KeyError Traceback（最近一次调用最后）~/venv/lib/python3.7/site-packages/PIL/Image .py in fromarray(obj, mode) 2644 typekey = (1, 1) + shape[2:], arr["typestr"] -> 2645 mode, rawmode = _fromarray_typemap[typekey] 2646 除了 KeyError:

KeyError: ((1, 1, 3), '

在处理上述异常的过程中，又出现了一个异常：

----> 1 show_images(trainloader) 中的 TypeError Traceback (最近一次调用最后一次)

在 show_images(trainloader) 1 def show_images(trainloader): ----> 2 for idx,(img,target) in enumerate(trainloader): 3 img = img.squeeze() 4 #pritn(img) 5 img = torch .张量（img）

~/venv/lib/python3.7/site-packages/torch/utils/data/dataloader.py in next (self) 344 def next (self): 345 index = self._next_index() # may raise StopIteration --> 346 data = self._dataset_fetcher.fetch(index) # 可能会引发 StopIteration 347 if self._pin_memory: 348 data = _utils.pin_memory.pin_memory(data)

~/venv/lib/python3.7/site-packages/torch/utils/data/_utils/fetch.py​​ in fetch(self, possible_batched_index) 42 def fetch(self, possible_batched_index): 43 if self.auto_collat​​ion: --- > 44 data = [self.dataset[idx] for idx in possible_batched_index] 45 else: 46 data = self.dataset[possibly_batched_index]

~/venv/lib/python3.7/site-packages/torch/utils/data/_utils/fetch.py​​ in (.0) 42 def fetch(self, possible_batched_index): 43 if self.auto_collat​​ion: ---> 44 data = [self.dataset[idx] for idx in possible_batched_index] 45 else: 46 data = self.dataset[possibly_batched_index]

~/venv/lib/python3.7/site-packages/torchvision/datasets/cifar.py in getitem (self, index) 120 # 这样做是为了与所有其他数据集一致 121 # 返回 PIL 图像 -- > 122 img = Image.fromarray(img) 123 124 如果 self.transform 不是 None：

~/venv/lib/python3.7/site-packages/PIL/Image.py in fromarray(obj, mode) 2645 模式，rawmode = _fromarray_typemap[typekey] 2646 除了 KeyError: -> 2647 raise TypeError("Cannot handle this data类型") 2648 其他：2649 原始模式 = 模式

TypeError：无法处理此数据类型

getitem of Dataset CIFAR10 数据点数：50000 根位置：/mnt/3CE35B99003D727B/input/pytorch/data 拆分：训练 StandardTransform 变换：Compose( Resize(size=32, interpolation=PIL.Image.BILINEAR) ToTensor() )