- 博客(5)
- 资源 (16)
- 收藏
- 关注
原创 【pytorch】迁移学习
在很多场合中,没有必要从头开始训练整个卷积网络(随机初始化参数),因为没有足够丰富的数据集,而且训练也是非常耗时、耗资源的过程。通常,采用pretrain a ConvNet的方式,然后用ConvNet作为初始化或特征提取器。有两种迁移学习,对应着不同的应用场景。 微调ConvNet:使用已有的model参数代替随机初始化参数进行训练。 ConvNet做为特征提取器:我们需要冻结所
2017-06-18 20:33:44 4983 1
原创 【pytorch】模型的搭建保存加载
使用pytorch进行网络模型的搭建、保存与加载,是非常快速、方便的。 搭建ConvNet 所有的网络都要继承torch.nn.Module,然后在构造函数中使用torch.nn中的提供的接口定义layer的属性,最后,在forward函数中将各个layer连接起来。 下面,以LeNet为例: class LeNet(nn.Module): def __init__(self):
2017-06-17 10:53:05 24434 3
原创 【pytorch】训练集的读取
pytorch读取训练集是非常便捷的,只需要使用到2个类: (1)torch.utils.data.Dataset (2)torch.utils.data.DataLoader 常用数据集的读取 1、torchvision.datasets的使用 对于常用数据集,可以使用torchvision.datasets直接进行读取。torchvision.dataset是torch.utils.
2017-06-16 22:28:52 17091 2
原创 【pytorch】图像基本操作
为了方便进行数据的操作,pytorch团队提供了一个torchvision.transforms包,我们可以用transforms进行以下操作: PIL.Image/numpy.ndarray与Tensor的相互转化; 归一化; 对PIL.Image进行裁剪、缩放等操作。 通常,在使用torchvision.transforms,我们通常使用transforms.Compose将t
2017-06-14 20:01:37 24415 2
原创 pytorch使用总结
torch.Tensor - 一个多维数组 autograd.Variable - 改变Tensor并且记录下来操作的历史记录。和Tensor拥有相同的API,以及backward()的一些API。同时包含着和张量相关的梯度。 nn.Module - 神经网络模块。便捷的数据封装,能够将运算移往GPU,还包括一些输入输出的东西。 nn.Parameter - 一种变量,当将任何值赋予Modu
2017-06-03 10:48:26 9664 4
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人