Pytorch学习笔记

Pytorch小白学习。

1. U-net网络结构：

• https://zhuanlan.zhihu.com/p/313283141

2. nn.ReplicationPad3d

• 使用输入边界的复制对输入张量进行填充。
• Parameters
• • padding(int,tuple)–填充的大小。如果是int，则在所有边界中使用相同的填充。如果是6 tuple，则使用(padding_left,padding_right, padding_top, padding_bottom, padding_front, padding_back )

3. torch.nn.Conv3D

• 3D卷积, 输入的shape是(N, C_{in}, D, H, W) (N, C_{in}, D, H, W)(N, C_{in}, D, H, W)，输出shape(N, C_{out}, D_{out}, H_{out}, W_{out})
• 其中，就是batch_size；C_{in}对应着输入图像的通道数，比如RGB图像通道数为3；D为深度，H、W则是tensor的长宽。

4. torch.nn.BatchNorm3d

5. torch.nn.LeakyReLU

6. pytorch中的relu,sigmiod,tanh等激励函数(激活函数）： https://blog.csdn.net/weixin_44912159/article/details/104994863

7. train()和eval()模式的区别