loss.item()在深度学习作用
在pytorch训练时,一般用到.item()。比如loss.item()。
1.loss 使用item()后,不会生成计算图,减少内存消耗
2. item()返回一个原本数据类型的值,有显示精度的区别
我们做个简单测试代码看看有item()和没有item()的区别。
import torch
x = torch.randn(2, 2)
print(x)
print(x[1,1])
print(x[1,1].item())
结果为:
tensor([[ 0.4702, 0.5145],[-0.0682, -1.4450]])
tensor(-1.4450)
-1.445029854774475
1
2
3
4
可以看出是显示精度的区别,item()返回的是一个浮点型数据,所以我们在求loss或者accuracy时,一般使用item(),而不是直接取它对应的元素x[1,1]。
loss.item()在深度学习作用相关推荐
- 12个深度学习面试问题
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 本文转自|AI公园 导读 这12个问题是当前面试中最热门的问题,既 ...
- 深度学习和自然语言处理的应用
前言 自然语言处理(NLP)是人工智能领域的一个重要分支,目的是让计算机能够理解和处理人类语言.随着深度学习技术的快速发展,NLP领域取得了突破性进展.本文将探讨深度学习在自然语言处理中的应用,并详细 ...
- 【深度学习】caffe中那些layers
0. 引子 自从半年前开始进入418实验室研究深度学习,可以说caffe这一深度学习开源框架,一直伴随着我.经过了大半年的学习,虽然还有许多东西尚待完善,但起码对于caffe已经有了一个比较感性的认识 ...
- 深度学习保姆级别之NLP入门文本分类之情感分析
缘起 作为一个菜鸟小硕,无师自通入门NLP已经一年多了,想着自己的第一个项目就是情感分析,以及第一篇CCF B类中文期刊也是情感分析,决定开一个关于文本分类的专栏,提供保姆级别的模型训练过程.很多同学 ...
- 不容错过的12个深度学习面试问题
作者:JP Tech 来源:AI公园,编译:ronghuaiyang 导读 这12个问题是当前面试中最热门的问题,既是非常基础的问题,也能看出面试者的水平,具有区分度.无论是面试官还是求职者都可以看 ...
- 常见的12个深度学习面试问题
深度学习面试 Author:JP Tech Translator:ronghuaiyang From:AI公园 导读 这12个问题是当前面试中最热门的问题,既是非常基础的问题,也能看出面试者的水平,具 ...
- [十七]深度学习Pytorch-优化器Optimizer
0. 往期内容 [一]深度学习Pytorch-张量定义与张量创建 [二]深度学习Pytorch-张量的操作:拼接.切分.索引和变换 [三]深度学习Pytorch-张量数学运算 [四]深度学习Pytor ...
- caffe linux跑自己数据,caffe+linux平台——跑深度学习的流程
大家好,放假在即,来整理一波在Linux上用caffe跑深度学习的流程,免得开学回来忘记. 以下地址均为我自己电脑上的地址,大家要照着跑请自行修改地址哦! 1.将训练和测试的图像放入examples- ...
- 深度学习在控制领域的研究现状与展望
深度学习在控制领域的研究现状与展望 摘要 深度学习在控制领域的研究现状与展望 摘要 深度学习在特征提取与模型拟合方面显示了其潜力和优势.对于存在高维数据的控制系统,引入深度学习具有一定的意义.近年来, ...
最新文章
- 智能家居正是扎根好时节 蓄积且待春雨
- 【响应式Web前端设计】CSS3 :nth-of-type() 选择器
- 使用oracle 游标修改数据,Oracle 函数施行修改和游标传递
- [Python]网络爬虫(三):异常的处理和HTTP状态码的分类
- hdu 2570 迷障(贪心)
- 一套完整的java程序_编写一个完整的Java Application 程序
- 智能会议系统(10)---WebRtc在H5视频聊天
- 买房就是创业,房东就是创业者
- 推荐几个程序员学习网站
- angular 定时函数
- Xcode9.0、Xcode9.1修改模拟器尺寸
- Java常用正则表达式大全(史上最全的正则表达式-匹配中英文、字母和数字)
- 经典FAT文件系统格式详解
- 发射功率dBm 换算表
- 二进制数相减计算机如何计算,二进制减法怎么算
- 医学图像配准中的深度学习综述论文解读
- Flutter直播间弹幕效果实现
- js关闭浏览器当前页(iframe)
- 【读书笔记->统计学】04-01 利用概率理论预测和决策-概率与事件、维恩图、互斥与相交事件、交集与并集概念简介
- 市场调研你所不知道的几个关键点
热门文章
- 监管之外,加密货币在日本大行其道的其他原因
- 如何用svg画一个骚气的名字
- BroadCast Channel
- 计算机软件的版本分类
- 美发店为什么需要做线上预约系统
- 闭包必看面试题分享--01( var a = fun(0); a.fun(1); a.fun(2); a.fun(3); var b = fun(0).fun(1).fun(2).fun(3);..)
- ConViT:使用软卷积归纳偏置改进视觉变换器
- linux chrome 硬件加速,在Chrome上开启硬件加速和预先渲染的方法技巧
- 调用链监控工具之CAT
- c++中类模板与结构体模板总结