- 博客(15)
- 收藏
- 关注
RSS订阅原创 Python 笔记 PyTorch train_GPU2
writer.add_scalar("train_loss", loss.item(), total_train_step) # 将训练损失写入。writer.add_scalar("test_loss", total_test_loss, total_test_step) # 将测试损失写入。print(f"-------------- 第{i + 1}轮训练开始 --------------")print(f"训练次数{total_train_step}, Loss:{loss}")
2024-07-21 16:55:16
291
原创 Python 笔记 PyTorch train_GPU1
writer.add_scalar("train_loss", loss.item(), total_train_step) # 将训练损失写入。writer.add_scalar("test_loss", total_test_loss, total_test_step) # 将测试损失写入。print(f"-------------- 第{i + 1}轮训练开始 --------------")print(f"训练次数{total_train_step}, Loss:{loss}")
2024-07-21 16:54:43
201
原创 Python 笔记 PyTorch train
writer.add_scalar("train_loss", loss.item(), total_train_step) # 将训练损失写入。writer.add_scalar("test_loss", total_test_loss, total_test_step) # 将测试损失写入。print(f"训练次数{total_train_step}, Loss:{loss}")print(f"-------------- 第{i+1}轮训练开始 --------------")
2024-07-21 16:54:01
333
原创 Python 笔记 PyTorch nn_seq && nn_save && test
model = torch.load("test_30.pth", map_location=torch.device("cpu")) # 模型是用GPU训练的, 测试需要转换到CPU。input = torch.ones((64, 3, 32, 32)) # 测试网络是否正确搭建。# 利用Sequential使代码更简洁, 更易管理。# 利用Sequential使代码更简洁, 更易管理。# 保存方式2: 模型参数(官方推荐)# 保存方式1: 模型结构+模型参数。
2024-07-21 16:53:22
183
原创 Python 笔记 PyTorch nn_loss_optim && nn_maxpool
损失函数: 1.计算实际输出和目标之间的差距 2.为我们更新输出提供了一定的依据(方向传播), grad。result_loss = loss(outputs, targets) # 计算损失。loss = nn.CrossEntropyLoss() # 创建损失函数对象。result_loss.backward() # 反向传播。optim.zero_grad() # 将梯度设置为零。optim 优化器:torch.optim.SGD(, lr)optim.step() # 调优。
2024-07-21 16:51:35
278
原创 Python 笔记 Pytorch nn_conv
input (minibatch, in_channels, iH, iW): 输入 | weight (out_channels, in_channels/groups, kH, kW): 卷积核。bias: 偏置 | stride: 步径, int: 横向纵向移动都是这个数值, tuple横向纵向指定数值。padding: int, tuple, 在输入图像周围进行填充(默认填充0), default=0。out_channels: int, 设定卷积核的数量以得到对应数量的输出(卷积核值不一定相等)
2024-07-21 16:49:55
216
原创 Python 笔记 PyTorch Transforms_Dir
trans_compose = transforms.Compose([trans_resize_2, trans_tensor]) # 两个参数, 分别是: Resize和ToTensor的实例。trans_compose = transforms.Compose([trans_random, trans_tensor]) # 入, 出。img_tensor = trans_tensor(cv_img) # 转换为tensor类型。
2024-07-21 16:41:36
309
原创 Python 笔记 PyTorch TensorBoard && TorchVision_Dir
image_path = "D:/dev/resources/MLR/dataset/练手数据集/train/ants_image/0013035.jpg"writer.add_scalar("y=2x", 2*i, i) # 函数名, x轴, y轴。for i in range(100): # 范围。print(target) # 索引。print(img) # 图片信息。# 下载训练/测试集。# 代码1:基本使用。# 代码2:转换类型。
2024-07-21 16:40:28
175
原创 Python 笔记 PyTorch Dataloader_Dir && Dataset_AC
num_workers: 进程量, 默认为0, 只有主线程(在win下有问题) | drop_last: 若剩余的数据量小于每次设定的获取量, 决定是否舍去, 默认False不舍去。batch_size: 每次获取数据的数量 | shuffle: 每次获取数据时是否打乱顺序获取, 默认False不打乱。# 代码1:基本使用。
2024-07-21 16:38:29
188
原创 Python 笔记 MachineLearning Stage 3
order_products = pd.read_csv("D:/dev/resources/MLR/机器学xiday1资料/02-代码/instacart/order_products__prior.csv")report = classification_report(y_test, y_predict, labels=[2, 4], target_names=["良性", "恶性"])轮廓系数 SCi = (bi-ai) / max(bi, ai) [-1, 1], 1效果最好。
2024-07-15 00:58:17
361
原创 Python 笔记 MachineLearning Stage 2
sklearn.tree.export_graphviz(estimator, out_file=" ", feature_names=[" ", " "] 该文件可以导出DOT格式。Bayes' theorem 贝叶斯公式 : P(A|B) = P(B|A)P(A) / P(B) , 在B已经发生的条件下, A发生的概率。param_dict = {"n_neighbors": [1, 3, 5, 7, 9, 11]} # 想要测试的k值。必须指定k值, k值选择不当则分类精度不能保证。
2024-07-15 00:56:28
332
原创 Python 笔记 MachineLearning Stage 1
----------------------------------------特征工程----------------------------------------# ----------------------------------------数据集----------------------------------------data_6 = pd.read_csv("D:/dev/resources/MLR/机器学xiday1资料/02-代码/factor_returns.csv")
2024-07-15 00:54:52
206
原创 Python 笔记 Data_analysis Chart && Numpy && Pandas
-----------------------------------------------数组的计算-----------------------------------------------# -----------------------------------------------数据读取-----------------------------------------------delimiter : 分隔字符串, 默认是任何空格, 可改为逗号等。
2024-07-15 00:52:43
291
原创 Python 笔记 Grammar Stage 1 Exception && Json && Pychart// Stage 2 Class && MySQL
data = [{"name": "理塘丁真", "age": 23}, {"name": "芝士雪豹", "age": 0}]s = '[{"name": "理塘丁真", "age": 23}, {"name": "芝士雪豹", "age": 0}]'# 通过json.dumps(data) 方法把python 数据转化为json 数据, 但中文的话还得增加一个参数。# JSON 是一个特定格式的字符串, 是各个编程语言的中转站, 可以实现语言的互通。print("很高兴, 没有出现异常")
2024-07-08 13:29:39
298
原创 Python 笔记 Grammar Stage 1 Container && Function && FileOperation
my_dict = {"xyx": "芝士雪豹", "wsy": "彩笔killer", "wsy": "留一手", "why": "芙蓉王源", "ly": "理塘丁真", "lxs": "YUKI"}my_dict = {"xyx": "芝士雪豹", "wsy": "彩笔killer", "why": "芙蓉王源", "ly": "理塘丁真", "lxs": "YUKI"}三者都是可重复且有序。print(f"检查嵌套结果,xyx-Rank:{my_dict["xyx"]["Rank"]}")
2024-07-08 13:25:38
375
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人