PyTorch 是一个非常优秀的深度学习框架，特别是在 GPU 上运行 PyTorch 代码能够加速深度网络的训练，但是，当服务器的 GPU 型号不匹配、性能差别较大、个人指定使用某个 GPU 时，需要进行特别的设置。本篇以 Ubuntu 18.04 为例，介绍如何在运行 PyTorch 代码时指定 GPU 训练模型。 代码中设置当安装（深度学习的 GPU 环境的配置）了 GPU、cuda、cudnn 后，可以使用如下命令查看 GPU 信息： 123$ nvidia-smi或$ nvidia-smi -L 结果大概如下： 123GPU 0: Tesla V100-PCIE-32GB (UUID: GPU-xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxxx)GPU 1: GeForce GTX TITAN X (UUID: GPU-xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxxx)GPU 2: GeForce GTX TITAN X (UUID: GPU-xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxxx) ...

Python 中有很多包能够处理图像，如 matplotlib, PIL, imageio, OpenCV 等。其中，OpenCV 提供了强大的图像处理模块，但是，OpenCV 读取图像的方式与其他包差别较大，比如读取的彩色图像通道顺序是 BGR。同时，OpenCV 读取图像的能力也很强大，不仅能够读取灰度、彩色，还能读取任何可能颜色格式的图像。这也为使用 OpenCV 读取图像变得难以掌握。本篇介绍如何使用 OpenCV 读取图像。 安装 OpenCV假设已经安装了 Miniconda, 那么安装 OpenCV 只需要一条命令： 123pip install opencv-python# 或者pip install opencv-contrib-python 上面两个命令都能安装 OpenCV，其中 opencv-python 为基本包，包含了 OpenCV 中的主要模块，常规使用足够。opencv-contrib-python 中除了包含主要模块外，还包括一些扩展模块，这些扩展模块包含了一些带专利的算法（比如 shift 特征检测模块）以及一些新添加的测试模块（稳定后合并到主 ...

Linux 系统的性能不仅受到 CPU、内存等的影响，也会收到硬盘读写的影响。当硬盘读写频繁时，往往导致系统操作卡顿、延迟等。本篇以 Ubuntu 18.04/Debian 10 为例介绍如何查看 Linux 系统硬盘读写情况。 命令安装查看 Ubuntu 系统的硬盘读写常用命令有 sar, iostat, vmstat 等。安装命令如下： 12sudo apt updatesudo apt install sysstat CentOS 安装方法如下： 1sudo yum install -y sysstat sar -dsar 命令能够 Collect, report, or save system activity information，在统计硬盘读写时，可以使用 -d 参数，Report activity for each block device. 格式如下： 1sar -d interval count interval 表示两次统计之间的间隔，单位为秒 count 表示统计次数 如下命令，没 2 秒统计一次，共统计 3 次 1sar -d 2 3 ...

python 中有许多魔法函数（Magic Methods），一般格式为 __func__，常见的有 __init__, __del__, __call__, __str__, __repr__, __len__, __enter__, __exit__, __iter__, __next__, __dict__, __dir__, __all__, __setattr__, __getattr__, __getattribute__, __setitem__, __getitem__, __delitem__, __contains__等，魔法函数能够使类或函数获得特殊的功能。本篇介绍常用的魔法函数，所有代码以 JupyterLab 为平台运行。 __init__ 和 __del__像 C++ 等面向对象的语言中有类的构造函数（初始化类，实例化类对象）和析构函数（清理内存）。在 python 中也有类似的函数，__init__ 类似于构造函数，__del__类似于析构函数。 1234567class Test(object): def __init__(self, nam ...

在使用 PyTorch 进行深度学习模型构建时，经常需要改变矩阵的形状，常用的方法有 resize，view, reshape 等。这和 Numpy 中的 resize 和 reshape 之间的区别是什么。本篇以 JupyterLab 为平台演示两者转换矩阵形状的区别。 PyTorch TensorPyTorch 中改变 Tensor 形状的方法有 resize, view, reshape 等， PyTorch 中 Tensor 的存储方式PyTorch 中张量 Tensor 存储分为头信息区(包括大小size, 步长stride, 维度等)和存储区(Storage)。如下图，Tensor B 是对 Tensor A 进行截取或转置或改变形状后得到的，此时，Tensor B 共享 Tensor A 的存储区（内存开销小），只不过头信息不同而已。类似于浅拷贝。 可以通过如下方法判断两个Tensor是否是共用一个存储区 1import torch 12x = torch.ones(5)x tensor([1., 1., 1., 1., 1.]) 12y = x[2:]y ...

PyTorch 旨在与 NumPy 非常兼容。因此，PyTorch 的 Tensor 与 Numpy 的 array 能够非常方便的进行互相转换。本篇以 Jupyterlab 为平台进行介绍。 numpy to pytorch常规转换12import numpy as npimport torch 12x = np.eye(3)x array([[1., 0., 0.], [0., 1., 0.], [0., 0., 1.]]) 1torch.from_numpy(x) tensor([[1., 0., 0.], [0., 1., 0.], [0., 0., 1.]], dtype=torch.float64) 转换时改变数据类型12x = np.eye(3)x array([[1., 0., 0.], [0., 1., 0.], [0., 0., 1.]]) 1torch.from_numpy(x).type(torch.float32) tensor ...

python 的 opencv 包能够非常方便的处理计算机视频相关的应用问题。利用 opencv 可以容易的获取视频的基本信息。本篇给予介绍。 1234567891011121314import cv2 as cvvideo_path = '/home/jinzhongxu/Dataset/test.mp4'video = cv.VideoCapture(video_path)# 获取视频的总帧数video.get(cv.CAP_PROP_FRAME_COUNT)# 获取视频的帧率video.get(cv.CAP_PROP_FPS)# 获取视频的帧高video.get(cv.CAP_PROP_FRAME_HEIGHT)# 获取视频的帧宽video.get(cv.CAP_PROP_FRAME_WIDTH) 其他可获取的参数列表如下： 123456789101112131415161718192021222324252627282930313233343536373839400 CV_CAP_PROP_POS_MSEC Current position of t ...

python 中有一个非常接近数学表达的元组 namedtuple，它继承自 tuple，是具有命名字段的元组子类。本篇介绍它的使用方法。所有代码在 jupyterlab 中演示。 官方示例123456789101112131415161718192021222324252627282930313233343536from collections import namedtuplenamedtuple?Signature:namedtuple( typename, field_names, *, rename=False, defaults=None, module=None,)Docstring:Returns a new subclass of tuple with named fields.>>> Point = namedtuple('Point', ['x', 'y'])>>> Point.__doc__ ...

pytorch 为数值函数提供了自动求导包 torch.autograd，只需要在 Tensor 定义时增加 requires_grad=True 关键字。但是，有时我们需要在局部需要设置某些计算不进行梯度计算，这可以节省内存开销。本篇所有代码在 jupyterlab 中运行。 常用的局部计算管理器如下的上下文管理器均是类。 管理器 说明 no_grad Context-manager that disabled gradient calculation. enable_grad Context-manager that enables gradient calculation. set_grad_enabled Context-manager that sets gradient calculation to on or off. inference_mode Context-manager that enables or disables inference mode. torch.no_grad该上下文管理器用于禁止梯度计算，常采用如下两种方法。 ...

pycharm 是一款非常优秀的编写 python 程序的集成开发环境。本篇介绍如何在 pycharm 中使用常用快捷键来提高开发效率。本篇介绍的所有快捷键均是在 Windows 上使用，其他平台（如 Mac ）的快捷键方法可参看参考文献部分。 编辑快捷键 快捷键 作用 Ctrl + Alt + L 代码格式化 Ctrl + Alt + O 优化导入 Ctrl + / 行注释/取消行注释 Ctrl + D 复制选定的区域或行 Ctrl + Y 删除选定的行 Ctrl + Numpad+/- 展开/折叠代码块（当前位置的：函数，注释等） Ctrl + Shift + Numpad+/- 展开/折叠所有代码块 Alt + Enter 更多提示，方便导入模块 Ctrl + 鼠标左键点击 当模块导入后，可进入模块源码 Ctrl + Alt + $\leftarrow$ 返回到上一步；可用于从源码返回到模块引用 Ctrl + Alt + $\rightarrow$ 跳到下一步，与上面 ...

Python 是一种解释性、交互式、面向对象的编程语言。在 shell 上可以通过 python 命令方便的运行 .py文件。但是，如果不能正确选择参数，将导致程序运行失败或出错。如，因为依赖引用问题。本篇介绍在命令行运行 python 的常用方法。 直接运行直接运行 python 文件，大多数情况下，这种方法可以正常运行，假设 python 文件完整路径为 /pythonprojects/run.py 12cd /pythonprojectspython run.py 当 run.py 中依赖的模块在 python 环境变量中，或者 /pythonprojects 目录下，这种方法运行没有问题。其实，在运行时，python 会把 /pythonprojects 添加到 PYTHONPATH 中第一个。 添加参数运行当开发的程序项目比较大，或者出现类似如下结构时，需要增加参数才能正常运行. 例子来源于：https://github.com/huanglianghua/siamfc-pytorch，假设克隆到 /pythonprojects 下： 12cd /pythonpr ...