Pytorch关键知识点学习笔记

本文详细介绍了PyTorch中的模型搭建流程,包括数据加载、模型、损失函数和优化器的设置。讨论了Function与Module的区别,DataLoader、Dataset和Sampler的使用,以及Tensor与numpy的转换。此外,还涵盖了ModuleList与Sequential的不同,训练时GPU显存管理策略,以及ReLU、梯度累计等关键知识点。
摘要由CSDN通过智能技术生成

模型搭建流程

模型搭建流程

  1. 加载数据。train_loader = torch.utils.data.Dataloader()

  1. 构建模型。model = torch.nn.module

  1. 构建损失。loss = torch.nn.CrossEntropyLoss()

  1. 构建优化器。optimizer = torch.optim.Adam()

    评论
    添加红包

    请填写红包祝福语或标题

    红包个数最小为10个

    红包金额最低5元

    当前余额3.43前往充值 >
    需支付:10.00
    成就一亿技术人!
    领取后你会自动成为博主和红包主的粉丝 规则
    hope_wisdom
    发出的红包

    打赏作者

    FL1623863121

    你的鼓励将是我创作的最大动力

    ¥1 ¥2 ¥4 ¥6 ¥10 ¥20
    扫码支付:¥1
    获取中
    扫码支付

    您的余额不足,请更换扫码支付或充值

    打赏作者

    实付
    使用余额支付
    点击重新获取
    扫码支付
    钱包余额 0

    抵扣说明:

    1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
    2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

    余额充值