pytorch填坑知识汇总

nn.ReLU() 和 nn.ReLU(inplace=True)区别

inplace=True
计算结果不会有影响。利用in-place计算可以节省内（显）存，同时还可以省去反复申请和释放内存的时间。但是会对原变量覆盖，只要不带来错误就用。

nn.Conv2d参数

参考1
参考2
注意里边有个参数groups，其作用可用来做可分离卷积。

pytorch的函数中的dilation参数的作用

膨胀卷积：参考

torch.utils.data.DataLoader

参考

pytorch使用torch.dtype、torch.device和torch.layout管理数据类型属性

参考

pytorch损失函数之nn.CrossEntropyLoss()、nn.NLLLoss()

参考

pytorch优化器

参考

为什么要使用optimizer.zero_grad()

参考

解决’tuple’ object is not callable的报错

参考

如何在pytorch中正确使用GPU进行训练

参考

利用conda安装本地包

参考