pytorch 踩坑记

1.【转】由于研究关系需要自己手动给卷积层初始化权值，但是好像博客上提到的相关文章比较少（大部分都只提到使用nn.init里的按照一定分布初始化方法），自己参考了下Pytorch的官方文档，发现有两种方法吧。所以mark下。

import torch
import torch.nn as nn
import torch.optim as optim
import numpy as np

# 第一一个卷积层，我们可以看到它的权值是随机初始化的
w=torch.nn.Conv2d(2,2,3,padding=1)
print(w.weight)


# 第一种方法
print("1.使用另一个Conv层的权值")
q=torch.nn.Conv2d(2,2,3,padding=1) # 假设q代表一个训练好的卷积层
print(q.weight) # 可以看到q的权重和w是不同的
w.weight=q.weight # 把一个Conv层的权重赋值给另一个Conv层
print(w.weight)

# 第二种方法
print("2.使用来自Tensor的权值")
ones=torch.Tensor(np.ones([2,2,3,3])) # 先创建一个自定义权值的Tensor，这里为了方便将所有权值设为1
w.weight=torch.nn.Parameter(ones) # 把Tensor的值作为权值赋值给Conv层，这里需要先转为torch.nn.Parameter类型，否则将报错
print(w.weight)

2.很低级的问题，试用官方mnist cnn识别手写字符的教程后，替换自己的数据集时提示mismatche等问题，

输入输出格式大小计算方式：

如果输入图片不是正方形，则先计算高，在计算长

3.标准的卷积动作： 卷积conv2d->归一化batch->激活->最大池化

对应如下：

self.conv1 = nn.Sequential(  # output_size =1+ (input_size+2*padding-kernel_size)/stride
            nn.Conv2d(1, 16, kernel_size=5, padding=1),
            nn.BatchNorm2d(16),
            nn.ReLU(),
            nn.MaxPool2d(2))

3.AttributeError: Can't get attribute 'CNNnet' on <module '__main__'>

在加载已保存的cnn模型时出现这个错误，出现了两次

第一次 通过import cnndemo（cnndemo.py文件的名字）解决

后来更换了网络的输入数据大小，结果出现问题：首先提示对路径无访问权限，于是将模型与代码放置在同一目录下解决，

第二次AttributeError: Can't get attribute 'CNNnet' on <module '__main__'>

通过from cnndemo import CNNnet解决