Dive-into-DL-PyTorch
Dive-into-DL-PyTorch copied to clipboard
ShusenTang
本项目将《动手学深度学习》(Dive into Deep Learning)原书中的MXNet实现改为PyTorch实现。
**bug描述** 报错信息： --------------------------------------------------------------------------- ImportError Traceback (most recent call last) in () 1 sys.path.append('/content/gdrive/My Drive/Colab Notebooks/') ----> 2 import d2lzh_pytorch as d2l 1 frames /content/gdrive/My Drive/Colab Notebooks/d2lzh_pytorch/__init__.py in () ----> 1...
**bug描述** 5.9.2GoogLeNet模型--b2模块中，两个卷积层后没有跟激活函数ReLU()，原书代码是有的  **版本信息** pytorch:1.1.0 torchvision:0.3.0 torchtext:0.5.1
你好，我按照李沐原书里的代码实现了9.6节SSD的神经网络来进行目标检测，在其中需要用到MultiBoxPrior、MultiBoxTarget、MultiBoxDetection这三个作者实现的函数。但是似乎MultiBoxDetection的实现有一点问题。 书中我看到MultiBoxTarget在输入锚框和真实目标框之后，会输出每个锚框根据其所在类别相较于真实框的位置偏移bbox_offset,在书中例子给出来的输出结果中，有些坐标的偏移达到了7.17、10这个数量级(李沐的原书里面也是这样)，然后我看到作者在后续的MultiBoxDetection实现上好像直接把这个偏移加到了锚框坐标上？这样的话加上很大数量级的偏移得到的锚框位置甚至会跑出图像，所以我是用以上三个函数及我训练的神经网络进行目标预测得到的目标框有很多会飘出图像内，可能是MXNET的实现中做了一些调整？
6.5 循环神经网络的简洁实现中调用梯度裁剪方法: d2l.grad_clipping(model.parameters(), clipping_theta, device) 传入的model.parameters()是迭代器,在grad_clipping方法里的第一次for循环迭代中已迭代完,在第二次for循环迭代中不会重新迭代. def grad_clipping(params, theta, device): norm = torch.tensor([0.0], device=device) for param in params: ### # 第一次循环迭代, 将params迭代完 norm += (param.grad.data ** 2).sum() norm = norm.sqrt().item()...
Hi~ 非常感谢作者开源了那么优质的项目！ 上交的志愿者团队参考了你的代码、补全了未完成的部分并且录制了代码讲解视频，同样是免费开放的！ https://www.boyuai.com/elites/course/cZu18YmweLv10OeV 作者考虑加到repo的readme里吗！
**bug描述** `num_epochs, lr = 5, 0.1` `d2l.train_ch3(net, train_iter, test_iter, cross_entropy, num_epochs, batch_size, [W, b], lr)` --------------------------------------------------------------------------- RuntimeError Traceback (most recent call last) in 2 3 ----> 4 d2l.train_ch3(net, train_iter, test_iter,...
**bug描述** 9.4节代码的non_max_suppression函数，存在死循环。 ```python while len(sorted_bb_info_list) != 0: ``` 这个条件可以无法退出。 **版本信息** pytorch:1.3.1 torchvision:0.4.2 torchtext:0.4.0 ...
Metadata
Owner
Metadata
本项目将《动手学深度学习》(Dive into Deep Learning)原书中的MXNet实现改为PyTorch实现。