ICode9

精准搜索请尝试: 精确搜索
  • PyTorch 介绍 | BUILD THE NEURAL NETWORK2022-02-07 14:34:45

    神经网络由对数据进行操作的layers/modules组成。torch.nn 命名空间提供了所有你需要的构建块,用于构建你自己的神经网络。PyTorch的每一个module都继承自nn.Module。神经网络本身也是包含其它module(layer)的module。这种嵌套结构允许轻松构建和管理复杂的架构。 下面,我们将构建一个

  • pytorch中with torch.no_grad():2022-02-06 23:33:05

    pytorch中with torch.no_grad():_这是一只小菜鸡的博客-CSDN博客_torch.nograd1.关于withwith是python中上下文管理器,简单理解,当要进行固定的进入,返回操作时,可以将对应需要的操作,放在with所需要的语句中。比如文件的写入(需要打开关闭文件)等。以下为一个文件写入使用with的例子。

  • pytorch本地图片数据集加载成字典2022-02-06 20:58:35

    from torchvision.transforms import transforms import pandas as pd file_path=os.path.join(r'E:\python存储\leaves\images') Image_list=[] labels_list=[] a={} for i in range(0,18352): image_path=os.path.join(r'E:\python存储\leaves\image

  • 浅谈深度学习、Pytorch框架的一些必备的理论知识2022-02-06 14:59:14

    机器学习20_一些理论知识 一. 关键概念: 算法(Algorithm): 原本用以定义在解决问题时,按照某种固定步骤一定可以得到问题的结果的处理过程。后在数据科学领域,用以指代能够根据历史数据实现预测或得出某种结果的计算步骤或数学方法。人工神经网络(ANN): 模拟人脑结构、复现人脑思考规

  • pytorch基础知识(三)2022-02-06 14:02:29

    在不同设备上的张量 查看张量的存储位置创建时指定存储设备张量转换设备的几种方法GPU转移到cpucpu 转移到GPU                张量可以在两个设备上进行存储和进行相关的计算,CPU和GPU。本节内容介绍,张量在不同设备上的存储和转移。 查看张量的存储位置

  • Pytorch学习记录(六)预训练模型的使用和修改2022-02-06 13:35:33

    预训练模型的使用和修改 使用预训练模型 导入models from torchvision import models 用法(调用得到的模型可以是没有预训练的,也可以是预训练的,两者都有完整的网络结构) resnet18 = models.resnet18(pretrained=True) printf(resnet18) ResNet( (conv1): Conv2d(3, 64, kern

  • Pytorch学习记录(七)自定义模型的训练、验证与保存2022-02-06 13:35:07

    自定义模型的训练、验证与保存 完整的自定义模型,以CIFAR10为例 # encoding:utf-8 import torch import torchvision from torch import nn, optim from torchvision import transforms as T from torch.utils.data import DataLoader from torch.utils.tensorboard import Summary

  • 如何安装 PyTorch2022-02-06 12:01:25

    前言 现在使用 pytorch 框架进行深度学习的人越来越多了,但是 torch 的安装(GPU 版本)和普通第三方包的安装过程不太一样,因为涉及到电脑的显卡驱动版本,下面来看看安装 pytorch 的正确姿势。 安装过程 查看驱动版本 打开 NVIDIA 控制面板,点击工具栏帮助 --> 系统信息,在弹出的对话框中

  • Pytorch训练可视化(TensorboardX)2022-02-06 12:00:34

    Pytorch训练可视化(TensorboardX) https://zhuanlan.zhihu.com/p/54947519 [官方总结] tensorboardX 使用教程 https://blog.csdn.net/qq_39575835/article/details/89160828   torch.nn.conv3d理解 https://blog.csdn.net/weixin_42769131/article/details/104826953  

  • M1 Mac 安装Python及相关库|pytorch安装M1 Mac2022-02-06 11:57:59

    今天安装pytorch的时候发现安装的anaconda是x86版本的,自己的电脑是arm64架构的,所以一直安装不上。之后找到一个方法,以后可以通过命令行直接安装在arm64上运行的库了很方便。 1. 安装homebrew 这是一个mac上的包管理器 /bin/bash -c "$(curl -fsSL https://raw.githubusercont

  • Pytorch学习记录(五)损失函数与反向传播2022-02-05 16:02:10

    损失函数与反向传播 MESLoss 导入 from torch import nn 用法 # 以均方误差MSE为例 loss_mse = nn.MSELoss() loss = loss_mse(result, target) 反向传播 用法 loss.backward() 补充 要根据实际输出,选择合适的损失函数。

  • PyTorch深度学习入门笔记(一)PyTorch环境配置及安装2022-02-05 16:01:32

    @目录一、工具安装1.1 Anaconda 安装1.2 Pytorch安装二、编辑器安装2.1 Pycharm安装2.2 Jupyter安装 OS: ubuntu 20.04(虚拟机) 一、工具安装 1.1 Anaconda 安装 首先安装Anaconda ,我是去清华大学镜像站下载,版本为 Anaconda3-5.2.0-Linux-x86_64.sh 参考这篇CSDN博客安装好。 安装成

  • pytorch.Variables()以及和tensor的区别2022-02-05 15:32:18

    Varibale包含三个属性: data:存储了Tensor,是本体的数据 grad:保存了data的梯度,本事是个Variable而非Tensor,与data形状一致 grad_fn:指向Function对象,用于反向传播的梯度计算之用 Variable和Tensor之间的区别:1. Variable是可更改的,而Tensor是不可更改的。2. Variable用于存储网络中的

  • python3 安装pytorch2022-02-05 15:02:18

    官网 https://pytorch.org/ import sys if 'linux' in str(sys.platform): os.system('pip install torch==1.10.2+cpu -f https://download.pytorch.org/whl/cpu/torch_stable.html') else: os.system('pip install torch')

  • 5个简单的步骤使用Pytorch进行文本摘要总结2022-02-05 13:58:13

    介绍 文本摘要是自然语言处理(NLP)的一项任务,其目的是生成源文本的简明摘要。不像摘录摘要,摘要不仅仅简单地从源文本复制重要的短语,还要提出新的相关短语,这可以被视为释义。摘要在不同的领域产生了大量的应用,从书籍和文献,科学和研发,金融研究和法律文件分析。 到目前为止,对抽象

  • PyTorch中FLOPs计算问题2022-02-05 13:32:46

           最近看了很多关于FLOPs计算的实现方法,也自己尝试了一些方法,发现最好用的还是PyTorch中的thop库(代码如下): device = torch.device("cuda" if torch.cuda.is_available() else "cpu") model = 模型的名字().to(device) inputs = torch.randn(1,3,512,1024)   ####(360,

  • 开始从头补基础了,这里整理一下学pytorch遇到的问题2022-02-05 10:01:00

    pytorch用的是python语言,我还没学过 环境方面,教材里是miniconda,学习框架包和d2l(cuda我之前也装好了),Jupyter 记事本(这个也可以直接下载应该是代码包,作者说也可以直接用教材里的链接colab,已完成)。所以理论上我的环境应该配齐了,因为代码都有可以直接跑,所以不需要安装编辑器? 学校的服

  • Pytorch使用 nn.ModuleList() 和nn.Sequential()编写神经网络模型2022-02-05 09:33:44

    一、使用传统方法 创建模型 import numpy as np import torch import torch.nn as nn #准备数据 data=np.linspace(-2*np.pi,2*np.pi,400) # -2PI 到 2PI 区间分成400份的所有点 x=torch.tensor(data.reshape(400,-1),dtype=torch.float) y=torch.tensor(np.sin(data.reshap

  • 【pytorch】交叉熵损失函数 F.cross_entropy()2022-02-04 19:34:12

    F.cross_entropy(x,y)   cross_entropy(x,y)是交叉熵损失函数,一般用于在全连接层之后,做loss的计算。   其中x是二维张量,是全连接层的输出;y是样本标签值。x[batch_size,type_num];y[batch_size]。   cross_entropy(x,y)计算结果是一个小数,表示loss的值。 举例说明 x =

  • pytorch——linear model22022-02-04 11:35:45

    #模型x*W+b,三维图象横坐标是w,纵坐标是b,竖坐标是损失函数import numpy as npimport matplotlib.pyplot as pltfrom matplotlib import cmfrom modulefinder import *from mpl_toolkits.mplot3d import Axes3Dx_data=[1,2,3]y_data=[2,4,6]def forward(x,b): return x*w+bdef los

  • pytorch——反向传播2022-02-04 11:35:29

    import torchx_data=[1,2,3]y_data=[2,4,6]w=torch.tensor([1.0])w.requires_grad=True #计算梯度,要特地设置,不要自动产生梯度#构建计算图def forward(x): return x*w #x and w都是tensordef loss(x,y): y_pred=forward(x) return (y_pred-y)*(y_pred-y)print("训练之

  • pytorch——反向传播22022-02-04 11:34:27

    #模型为w1*x*x+w2*x+b import torchx_data=[1,2,3]y_data=[2,4,6]#三个tensorw1=torch.tensor([1.0])w1.requires_grad=Truew2=torch.tensor([2.0])w2.requires_grad=Trueb=torch.tensor([1.0])b.requires_grad=Truedef forward(x): return w1*x*x+w2*x+bdef loss(x, y): y_

  • Pytorch以单通道(灰度图)加载图片2022-02-04 10:35:12

    设置加载数据集时的transform参数如下即可: from torchvision import datasets, transforms transform = transforms.Compose( [ transforms.Grayscale(num_output_channels=1), transforms.ToTensor() ] ) data = datasets.CIFAR10(root=".", download=

  • 【深度学习pytorch】卷积神经网络2022-02-04 10:33:11

    图像卷积 互相关运算: def corr2d(X, K): h, w = K.shape Y = torch.zeros(X.shape[0]-h+1, X.shape[1]-w+1) for i in range(Y.shape[0]): for j in range(Y.shape[1]): Y[i,j] = (X[i:i+h, j:j+w] * K).sum() return Y 卷积层: class Conv

  • Pytorch:卷积神经网络-识别 Fashion-MNIST2022-02-03 20:59:58

    Pytorch: 卷积神经网络识别 Fashion-MNIST Copyright: Jingmin Wei, Pattern Recognition and Intelligent System, School of Artificial and Intelligence, Huazhong University of Science and Technology 文章目录 Pytorch: 卷积神经网络识别 Fashion-MNIST @[toc]图

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有