PyTorch基础练习-task1

最新推荐文章于 2024-07-09 08:56:16 发布
最新推荐文章于 2024-07-09 08:56:16 发布
阅读量1.2k 收藏 2
点赞数 1
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/believe448/article/details/89059412
版权

PyTorch基础练习-task1

一、什么是Pytorch？

PyTorch是一个开源深度学习框架，是基于python的一个科学计算包。

二、为什么选择Pytorch?

2.1、支持python，容易上手；
2.2、动态神经网络，易于调试，十分灵活；
2.3、PyTorch比tensorflow快；
2.4、支持GPU性能计算；

三、Python环境配置

Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项，包含了大量的科学包。当然有的小伙伴习惯用python+pycharm的组合，可以去其官网下载相应版本安装。下面简要介绍Anaconda的下载和安装。国内用户建议从清华大学开源软件镜像站下载安装包，下载地址: https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 。
在这里插入图片描述
遇到的问题：
安装后打开提示“LoadLibrary failed with error 126:找不到指定模块。”，如下：
在这里插入图片描述
解决办法:
右键——选择“显示卡属性”——选择“手动或根据电源选择图形处理器”——应用，然后重新打开spyder就可以了。
在这里插入图片描述

四、PyTorch安装

4.1 conda安装

打开pytorch官网，依次选择需要安装的pytorch版本、电脑操作系统、安装方式、python版本和cuda版本，然后复制“Run this Command”处的代码至对应模块中运行，如下图，我选择的是稳定版1.0、windows系统、conda安装、python3.6和无CUDA的方式。
温馨提醒：如果直接运行安装代码，conda会去官网下载，速度相当慢，所以依然建议添加镜像地址再安装，速度快很多。
打开Anaconda Prompt，输入(conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/)后就可以使用conda install pytorch安装pytorch包了

4.2 pip安装（推荐使用该方法）

1、选择pip安装如下图：

在这里插入图片描述
2、复制其中的地址下载whl文件；
3、在anaconda prompt中输入：pip install 路径+文件名安装；
4、torch安装完成后，继续输入pip install torchvision，安装成功截图如下：

在这里插入图片描述

五、PyTorch基础概念

参考文件《PyTorch中文文档》

张量 Tensors

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

believe448
关注
深度学习系列资料总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
07-17 2万+
说明本系列深度学习资料集合包含机器学习、深度学习等各系列教程，主要以计算机视觉资料为主，包括图像识别、分类、检测、分割等，内容参考Github及网络资源，仅供个人学习。深度学习定义一般是指通过训练多层网络结构对未知数据进行分类或回归深度学习分类有监督学习方法——深度前馈网络、卷积神经网络、循环神经网络等；无监督学习方法——深度信念网、深度玻尔兹曼机，深度自编码器等。手写机器学习笔记github机器学习算法公式推导以及numpy实现github人工智能相关术语link。..................
PyTorch基本操作练习
08-11
1、使用Tensor初始化一个1×3的矩阵M和一个2×1的矩阵N，对两矩阵进行减法操作（三种不同形式），给出结果并分析三种方式的不同。 2、①利用Tensor创建两个大小分别3×2和4×2的随机数矩阵P和Q，要求服从均值为0，标准差0.01为的正态分布；②对第1步得到的矩阵Q进行形状变换得到Q的转置QT；③对上述得到的矩阵P和矩阵QT求矩阵相乘。 3、给定公式y3=y1+y2=x2+x3，且x=1。利用学习所得到的Tensor的相关知识，求y3对x的梯度。
PyTorch基础练习
weixin_49343078的博客
12-03 619
初识pytorch PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序，是目前最火热的深度学习框架之一（此外还有Tensorflow、Apache SystemML等）。 一、环境配置 我使用的是谷歌的 Colab，它是一个 Jupyter 笔记本环境，已经默认安装好 pytorch，不需要进行任何设置就可以使用，并且完全在云端运行。使用方法可以参考 Rogan 的博客：https://www.cnblogs.com/lfri/p/10471852.html 要访问
手把手教你用PyTorch从零训练自己的大模型（非常详细）零基础入门到精通，收藏这一篇就够了
最新发布
Python_0011的博客
07-09 3727
长按关注《AI科技论谈》LLM是如今大多数AI聊天机器人的核心基础，例如ChatGPT、Gemini、MetaAI、Mistral AI等。这些LLM背后的核心是Transformer架构。本文介绍如何一步步使用PyTorch从零开始构建和训练一个大型语言模型（LLM）。该模型以Transformer架构为基础，实现英文到马来语的翻译功能，同时也适用于其他语言翻译任务。
Pytorch基础练习
personal_CSDN_的博客
04-22 400
Pytorch基础入门练习 import 导入 import torch # 基本的torch函数 import torch.autograd as autograd # 自动求导 import torch.nn as nn # 神经网络类都在这个里面 import torch.nn.functional as F # 几乎所有的激励函数 import torch.optim as optim # 优化 创建Tensors # create 1D vector v_data = [1., 2., 3.]
pytorch基本函数练习
weixin_47343723的博客
05-24 354
基础操作 数据类型 数据生成 索引和切片 维度变换 进阶操作 boardcast机制 合并和分割 （1）合并 torch.cat() 函数，需保证除了合并维度外的其他维度size一致 （2）分割 torch.stack() 函数，保证两个合并张量size完全一致 数学运算 （1）运算 符号 运算 + 等价于 torch.add() 加法 - 等价于 torch.sub() 减法 * 等价于 torch.mul() 乘法 / 等价于 torch.div() 除法 ** 乘方
pyTorch基础入门练习
zenRRan的博客
03-06 1631
import导入 import torch#基本的torch函数 import torch.autograd as autograd#自动求导 import torch.nn as nn#神经网络类都在这个里面 import torch.nn.functional as F#几乎所有的激励函数 import torch.optim as optim#优化 创建Tensors #...
【学习笔记】GNN - Task1
ytwanzi的博客
06-15 169
GNN图神经网络入门 - Task11. 基础知识2.机器学习任务3.图数据神经网络难点4.PyTorch Geometric (PyG)5.练习 1. 基础知识 定义：图(G)定义为(V,E) ，记为G=(V,E) 。其中： V是顶点(Vertex)的非空有限集合，记为V(G)；E是无序集V&V的一个子集，记为E(G) 。 i.类别型的标签（label） ii.数值型的（numeric）属性（attribute） 图的种类 1）有向图&无向图 - 边是否有方向 2）非加权图&am
CV语义分割-地表建筑物识别-task2 数据扩增
knowledge_endlesss的博客
02-24 290
CV语义分割-地表建筑物识别-task2 数据扩增 一、学习目标 • 理解基础的数据扩增方法 • 学习 OpenCV 和 albumentations 完成数据扩增 • Pytorch 完成赛题读取 二、数据扩增方法梳理 三、扩增练习 1，基于opencv的几何变换 plt.imshow(cv2.flip(img, 0)) ##垂直翻转 plt.imshow(cv2.flip(img, 1)) ##水平翻转 x, y = np.random.randint(0, 256), np.random.ra
DAY2-《动手学深度学习》(PyTorch版)
小璇爱学习
02-19 355
Task03： 过拟合和欠拟合 一类是模型无法得到较低的训练误差，我们将这一现象称作欠拟合（underfitting）； 另一类是模型的训练误差远小于它在测试数据集上的误差，我们称该现象为过拟合（overfitting）。 在实践中，我们要尽可能同时应对欠拟合和过拟合。虽然有很多因素可能导致这两种拟合问题，在这里我们重点讨论两个因素：模型复杂度和训练数据集大小。 模型复杂度 为了解释模型复...
基于AI大模型（LLM）In-Context Learning 实现自然语言转DSL的详细技术方案设计和具体代码实例说明
程序员光剑
07-14 4191
在当前人工智能快速发展的时代，自然语言处理（NLP）技术正在不断突破传统界限。其中，将自然语言转换为领域特定语言（Domain-Specific Language，DSL）的需求日益增长。这种转换不仅能够提高开发效率，还能降低非技术人员与复杂系统交互的门槛。近年来，以GPT（Generative Pre-trained Transformer）为代表的大型语言模型（Large Language Models，LLMs）在各种NLP任务中展现出惊人的能力。
Pytorch练习–绘制Loss曲线
12-21
绘制Loss曲线 b站课程链接：https://www.bilibili.com/video/BV1Y7411d7Ys?p=2 import绘制曲线的库和numpy库 import numpy as np import matplotlib.pyplot as plt # 画图库 设置数据 x_data = [1.0, 2.0, 3.0] y_data = [2.0, 4.0, 6.0] 定义模型 def forward(x): return x * w 定义Loss函数 def loss(x, y): y_pred = forward(x) return (y_pred
Pytorch 小知识点汇总
01-06
一、torchvision.utils.save_image 报错TypeError: Cannot handle this data type 1. img如果是uint16的矩阵而不转为uint8，Image.fromarray这句会报错。所以加上np.uint8(img)很有必要 rgb_image = rgb_image.astype(np.uint8) 2. 在pytorch中tensor默认是CHW，而PIL中是HWC. 顾img需是CHW形式。  rgb_image = rgb_image.transpose((2,0,1)) 二、保存生成图片的两个方式： 1. opencv
pytorch入门（二）——实例练习
封狼居胥
06-29 2160
下面通过自带案例来介绍pytorch的主要概念。 作为pytorch的核心，其特点主要包括： n维张量，类似于numpy，但可在gpu上进行计算 构造、训练神经网络时自动求导 我们将使用一个全连接ReLu网络作为示例。该网络具有一个隐藏层，使用梯度下降法训练，目标函数是使网络数据距离真实值的欧氏距离最小。 ...
pytorch练习-多分类问题
qq_56473969的博客
08-14 535
多分类问题
Pytorch深度学习实战——第3章课后习题
fcxgfdjy的博客
12-29 1137
1.从list(range(9))中创建一个张量a并预测检查其大小、偏移量、步长。a)使用b=a.view(3,3)创建一个张量，简述view()方法的功能，检查a,b是否共享同一个存储view()函数：并没有改变张量在内存中真正的形状，使用view函数后，通常会使得张量的数字在语义上是连续的，但在内存上是不连续的。在pytorch中view函数的作用为重构张量的维度，相当于numpy中resize的功能。
pytorch练习（1）
lb521200200的专栏
02-09 1016
import torch import torch.nn as nn import torch.nn.functional as F class Net(nn.Module): def __init__(self): super(Net, self).__init__() # 1 input image channel, 6 output channels, 5x5 square convolution # kernel self.
PyTorch基础练习-task4（用PyTorch实现多层网络）
believe448的博客
04-12 367
PyTorch基础练习-task4一、引入模块，读取数据二、构建计算图（构建网络模型）三、损失函数与优化器四、开始训练模型五、对训练的模型预测结果进行评估 一、引入模块，读取数据 二、构建计算图（构建网络模型） 三、损失函数与优化器 四、开始训练模型 五、对训练的模型预测结果进行评估 ...
PyTorch基础练习-task2
believe448的博客
04-08 252
PyTorch基础练习-task2一、numpy实现梯度下降法二、pytorch实现梯度下降法三、numpy实现线性回归四、pytorch实现线性回归五、pytorch实现一个简单的神经网络 一、numpy实现梯度下降法 二、pytorch实现梯度下降法 三、numpy实现线性回归 四、pytorch实现线性回归 五、pytorch实现一个简单的神经网络 ...
pytorch-doc-zh-2023
09-04
pytorch-doc-zh-2023是指PyTorch的中文文档，它是对PyTorch深度学习框架的官方文档进行翻译和整理的成果。PyTorch是一个用于构建深度学习模型的开源框架，它提供了丰富的工具和库，让开发者可以方便地设计、训练和部署各种类型的神经网络。 pytorch-doc-zh-2023的存在对于中文用户来说非常有价值。首先，它使得中文用户能够更轻松地学习和掌握PyTorch的使用。通过阅读这些中文文档，用户可以了解PyTorch的各种功能和特性，掌握PyTorch的基本操作和高级技巧。其次，中文文档还包含了实用的示例和代码片段，帮助用户更好地理解PyTorch的各种概念和实现方式。 此外，pytorch-doc-zh-2023还为中文用户提供了一个交流和学习的平台。用户可以通过在线论坛或者社区与其他中文用户进行讨论和分享经验，解决问题和互相学习。这种中文化的文档和交流环境有助于提升中文用户在深度学习领域的能力和竞争力。 总的来说，pytorch-doc-zh-2023对于中文用户来说是一个非常宝贵的资源。它为中文用户提供了方便、易用的学习和交流平台，促进了中文用户在PyTorch和深度学习领域的发展和应用。希望pytorch-doc-zh-2023能够持续更新和完善，为中文用户提供更好的学习和使用体验。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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