Pytorch简单编程技巧。

1.Pytorch常见编程技巧

• torch.save(state,dir) //保存/序列化
• torch.load(dir) //加载模型
• torch.get_num_threads() //获取并行化线程数量
• torch.set_num_threads(int) //设置并行化线程数量
• torch.is_tensor() //判断是否是向量
• torch.is_storage() //判断是否是storage类型
• torch.set_flush_denormal(mode) //防止一些不正常元素产生
• torch.from_numpy(ndarray) //numpy array转tensor
• a.numpy() //tensor转numpy array

pytorch默认情况下只使用一个GPU，在多GPU情况下需要使用DataParallel。也就是所谓的支持单机多卡和多机多卡。

import torch
import numpy as np
import cv2

data = cv2.imread("cat.jpg")

print(data)

cv2.imshow("cat1", data)
# cv2.waitKey(0)
# a = np.zeros([2, 2])
out = torch.from_numpy(data)
#tensor创建在GPU上
out = out.to(torch.device("cuda"))

print(out.is_cuda)

#把图片翻转过来
out = torch.flip(out, dims=[0])
#tensor创建在cpu上
out = out.to(torch.device("cpu"))

print(out.is_cuda)
data = out.numpy()
cv2.imshow("cat2", data)
cv2.waitKey(0)