前面写过一篇PyTorch保存模型的文章：Pytorch模型保存与加载，并在加载的模型基础上继续训练[https://www.jianshu.com/p/1cd6333128...
IP属地：福建
-
PyTorch模型保存深入理解
-
PyTorch中的model.modules(), model.children(), model.named_children(), model.parameters(), model.nam...
本文通过一个例子实验来观察并讲解PyTorch中model.modules(), model.named_modules(), model.children(), model...
-
PyTorch中的model.modules(), model.children(), model.named_children(), model.parameters(), model.nam...
本文通过一个例子实验来观察并讲解PyTorch中model.modules(), model.named_modules(), model.children(), model...
-
PyTorch获取自带模型的中间特征图
本文首发自【简书】用户【西北小生_】的博客，转载请注明出处！ PyTorch之HOOK——获取神经网络特征和梯度的有效工具[https://www.jianshu.com/p...
-
PyTorch之HOOK——获取神经网络特征和梯度的有效工具
本文首发于简书 西北小生_ 的博客：https://www.jianshu.com/u/898c7641f6ea，未经允许，禁止转载！ 为了更深入地理解神经网络模型，有时候我...
-
是的，原论文里有说☺
CAM系列（二）之Grad-CAM（原理讲解和代码实现）
上篇文章介绍了CAM的开篇之作CAM系列（一）之CAM（原理讲解和PyTorch代码实现）[https://www.jianshu.com/p/fd2f09dc3cc9]，本...
-
请问大佬：“这里的梯度不是模型训练时由 Loss反向传播计算得到的梯度，而是模型输出的类别置信分数反向传播计算得到的梯度。”Loss反向传播是关于全连接层节点权重的梯度，而“类别置信分数反向传播计算得到的梯度”是关于特征图空间上的梯度，而不是关于节点权重的梯度，对吗？😳
CAM系列（二）之Grad-CAM（原理讲解和代码实现）
上篇文章介绍了CAM的开篇之作CAM系列（一）之CAM（原理讲解和PyTorch代码实现）[https://www.jianshu.com/p/fd2f09dc3cc9]，本...
-
CAM系列（二）之Grad-CAM（原理讲解和代码实现）上篇文章介绍了CAM的开篇之作CAM系列（一）之CAM（原理讲解和PyTorch代码实现）[https://www.jianshu.com/p/fd2f09dc3cc9]，本...
-
CAM系列（一）之CAM（原理讲解和PyTorch代码实现）本文首发自【简书】作者【西北小生_】的博客，转载请私聊作者！ 一、什么是CAM？ CAM的全称是Class Activation Mapping或Class Activati...