补充torch功能的函数/类的集合。
torchfun的Python项目详细描述
扭矩
基于Pythorch(最初是Torchure)的更方便的功能
前言
torchfun
项目早就启动了,并于2018-6-13发布。
托奇芬的动机是一位作者所爱的人,她有时在工作中使用Pythorch会遇到不便。作者将这个项目作为python包发布在pypi上,这样他心爱的人可以随时随地访问它。
torchfun的目的是提供一些重要和方便的功能,但pytorch中没有这些功能,比如一些层和可视化实用程序。
这个项目一直在秘密进行,以便作者可以把托奇芬归功于他所爱的人,作为一个小小的帮助的补充,有一天这个项目会变得丰富或出名。
有趣的是,作者给出的原始项目名是torchure
。这是因为他在学校里总是处理一些琐碎的事情,并且被烧焦了,当他学习这个新的框架以帮助他所爱的人时,他发现了很多问题/缺少的功能。他觉得这完全是一种折磨。所以,这个项目被命名为"火炬",以讽刺跛脚的火炬(你仍然可以找到火炬在皮)。而且,作者希望,通过开发torchure,即使遇到pytorch的糟糕部分,他的爱人也能感到轻松。
这个项目的历史是最近附加的,因为他可爱的小爱人想要立即得到一个补充,否则她会继续在地板上滚动。
至Eggy C71b05b46d8772e4488335085a2e7fd。
最新文档:
请访问:https://sorenchiron.github.io/torchfun" rel="nofollow">https://sorenchiron.github.io/torchfun
功能性
- 扁平化
- 展平()
- 子像素
- 子像素()
- imshow()
- 加载()
- save()
- count_parameters()
- 压缩搜索
- packsearch()
- 散列参数()
- 力存在()
- whereis()
安装torchfun
安装
pip install torchfun
更新
pip install -U torchfun
API
展平[模块]
用于重塑输出
用法:
flat=Flatten()out=flat(x)
展平(x)[函数]
用法:
out=flatten(x)
子像素(x,out_channels)[功能]
展开通道/深度尺寸以放大功能图
注意:
Output size is deducted.
The size of the unfold square is automatically determined
例如:
images: 100x16x16x9. 9=3x3 square
subpixel-out: 100x48x48x1
辩论:
out_channels, channel number of output feature map
亚像素层[模块]
与子像素(x)功能相同,但具有模块接口。
s = Subpixel(out_channels=1)
out = s(x)
imshow(x,title=none,auto_close=true)[功能]
仅处理火炬通道第一批图像,
参数:
- X:输入数据立方体、火炬张量或numpy数组。
- 标题:将标题添加到绘图。(默认无)
- 标题可以是字符串或任何可字符串的对象。
- 自动关闭:(默认为真)
- 之后关闭pyplot会话。
- 清洁环境,就像从未使用过matplotlib一样。
- 如果设置为False,绘图将保留在内存中,以便绘制更多的图形。
用法:
imshow(batch)imshow(batch,title=[a,b,c])imshow(batch,title='title')imshow(batch,auto_close=False)
警告:
pip install torchfun0
这意味着matplotlib正在使用web浏览器进行图形显示。我们强烈建议您使用基于窗口的本机显示,因为基于浏览器的后端很脆弱,容易崩溃。每次执行脚本时,您都可以更改matplotlib的显示方式:
pip install torchfun1
或者永久地通过编辑:站点包/matplotlib/mpl data/matplotlibrc
并将后端更改为tkagg
有关可用后端的完整列表,请访问:
pip install torchfun2
此外,Tkinter的Tcl/Tk图形用户界面库也可以在这里下载。
加载(a,b)[功能]
参数:
- 名为:
a
和的任意参数>< <代码> > 将weight
a
加载到modelb
中,或使用weighta加载model
b
争论的顺序无关紧要。 例子:
或
AAAAAAA H14或
是啊。或
啊!返回值:
- 无
保存(a,b)[功能]
参数:
- 名为:
a
和b
的任意参数
将重量a
保存到目标b
中,或将模型b
保存到目标a
参数的顺序无关紧要。
示例:
啊!或
AAAAAAA 18或
啊!或
AAAAAAA H20或
AAAAAAAAA 21或
啊!返回值:无
参数计数(模型或dict或pair)[函数]
模块/状态dict/层/张量的计数参数数。 此功能还可以打印参数占用的内存,单位为mbs
参数:
- model或dict或param:model或state dictionary或parameters()
return:python-int中的参数amount 如果不理解数据类型,则返回0
用法:
AAAAAAAAA 23packsearch[模块]
这是你梦寐以求的非常有用的东西。
现在可以使用packsearch查询任何包中的名称!
给定一个模块对象作为输入:
啊!实例p
提供p.search()
方法。所以你可以
搜索此软件包中的所有内容
输出:
啊!packsearch(模块,关键字)[函数]
或packsearch(关键字,模块)
给定一个模块对象,搜索模式字符串作为输入:
是啊。或
AAAAAAAAA 28您可以搜索任何包中的所有内容
散列参数(模块或statict或对)[函数]
返回所有变量的摘要。
它用于检测权值的混沌变化。 您可以在一些操作之前和之后检查参数的总和,以了解 如果参数有任何更改。
我使用此函数来验证渐变行为。
默认情况下,这只是散列可训练参数!
参数:
- 模块或状态或参数:torch.nn.module, 或model.state dict(), 或model.parameters()。
- 使用总和:返回总和而不是所有参数的平均值。
使用演示:
AAAAAAA 29强制存在(dirname,verbose=true)[函数]
强制一系列分层目录存在。
强制存在
可以自动创建任意深度的目录。
参数:
- dirname:请求目录的路径
- 动词:打印每个目录创建。默认为真。
用法:
AAAAAAA 30黑色参数(参数或参数类型、类型或参数)[函数]
这是一个非常有趣的特性。 它用于支持torchfun中的任意参数排序。
输入: 函数接受类型列表和参数列表。
返回: 参数列表,顺序与类型列表相同。
当然,black/args
支持任意参数-自行排序。
其中(模块或字符串)[函数]
查找模块的源文件位置 参数:
- module或string:目标module对象,或者它的字符串路径类似于torch.nn
- 打开图形用户界面:使用默认窗口管理器打开文件夹。
返回:
- 模块文件名,或无