NCNN模型测试将Caffe、Pytorch等训练的模型转成NCNN模型（*.param和*.bin）之后就可以读取图像并执行推理任务了。一、定义一个网络对象并加载模型参数加载模型参数的方法有三种：1. 直接加载转好的*.param和*.bin文件ncnn::Net net;net.load_param("./mymodel.param");net.load_model("./mymodel.bi

pycharm可以远程调试服务器上的代码（或者在服务器中的docker容器中调试）。1、创建一个新工程，选择服务器或者服务器上的docker中的python解释器路径（配置服务器或者docker容器的地址、用户名、密码、端口号等）。2、选择远程服务器上的工程目录和本地映射的工程目录3、将服务器端代码下载到本地（已经存在则跳过这一步）4、设置启动项，选择同步的本地代码作为启动脚本...

1、设置可训练参数PyTorch中可以使用torch.nn.Parameter()来设置可训练参数。Parameters类是Tensor类的子类，当它与Module类一起使用时，也就是将一个Parameters对象作为Module类的一个属性时，它们会自动添加到Module的参数列表中，例如在该Module类的parameters()迭代器中。import torchimport torch.nn