jansonyuan / pytorch-camp Goto Github PK

37行'if not gpu_memory:'是不是应该改为'if gpu_memory:'。因为能计算显存才可执行下面的代码选择物理gpu。

老师好，可以麻烦您提供以下数据集吗？对应的路径下找不到数据集，谢谢。

1. 使用pytorch1.7时，需要在69行加上with torch.no_grad():

请问老师，为什么test_data下必须建一个为名100的文件夹，然后把图片放进100文件夹里才能进行验证，直接将验证图片放在test-data下就会出现报错呢?相关代码在哪里体现的呢？

在人民币二分类任务中，训练模型时，有这两行代码

# train
correct += (predicted == labels).squeeze().sum().numpy()
# valid
correct_val += (predicted == labels).squeeze().sum().numpy()

我不太理解(predicted == labels)这个之后为什么需要加一个squeeze()。
我在python console进行了实验，验证不加squeeze()直接进行sum()和numpy()也可以得到同样的结果

# 预测的mini_batch中的结果
predicted = torch.tensor([0, 0, 1, 1, 0, 1, 1, 1, 0, 0, 0, 1, 1, 1, 0, 1])
# ground truth
labels = torch.tensor([0, 0, 1, 1, 0, 1, 1, 1, 0, 1, 0, 1, 1, 1, 0, 0])
# 不加squeeze(), 不去掉为1的维度
(predicted == labels).sum().numpy()
Out[33]: array(14, dtype=int64)
# 加 squeeze(), 去掉为1的维度
(predicted == labels).squeeze().sum().numpy()
Out[34]: array(14, dtype=int64)

所以，老师，这个squeeze()的作用是什么呢?

为什么本节课的代码中的transform_invert函数没有declaration

补充：

1. 在159和164行，计算准确率时，继续用correct / total，这个不是验证集的准确率叭，应该是correct_val / total_val

1. 在158行，因为valid_curve.append(loss.item())是在读取验证集的for循环的外面，所以最后的valid_curve列表里面只有一个损失值(最后一次读取验证集数据得到的损失）。
2. 在159行打印loss_val时，打印的是一个epoch里，每次读取batch_size个验证集样本，来计算batch_size个样本损失的均值loss.item()，读多少次就计算多少个均值loss.item()，这里读取了2次，之后将2次的均值求和得到loss_val，这样打印的应该不是一个epoch的损失均值把，应该是loss_val/len(valid_loader）才对吧。
3. 在163行，np.mean(valid_curve)只有一个数据，求均值还是最后一次读取的损失。
4. 我的观点：在158行前面加上，loss_val_epoch=loss_val/len(valid_loader）。之后都用loss_val_epoch。

1. 在finetune_resnet18.py中的166行，loss_mean = 0.是否多余。
   因为当能运行到这一行时，就表示已经跑了一个epoch，将下面的代码执行完，就会回到132行进行下一个epoch，之后执行到134行，'loss_mean'也会重新赋值为0.。所以166我认为是多余的。

2. 我下载的数据里，训练集里面ants是124张，bees是121张。
   当BATCH_SIZE=16时，ants和bees读取8次左右就可以看着是一个epoch。您给的代码里log_interval=10。这样是否冗余？还是我这边数据集图片的张数不对？

请问老师为什么fivecrop ,tencrop后面的处理不需要normalize处理呢

老师，Tensorboard 记录的梯度没有变化是什么原因？

test_data = RMBDataset(data_dir=test_dir, transform=valid_transform) 这一行用的valid_transform。
后面反transforms时 img = transform_invert(img_tensor, train_transform)，用train_transform是不是不对呀，也需要用valid_transfrom叭