![](https://img-blog.csdnimg.cn/20190906174352730.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
Pytorch
文章平均质量分 63
元宇宙MetaAI
害怕的不是从头开始,而是从未开始!
展开
-
Pytorch学习之LSTM识别MNIST数据集
引入库函数引入pytorch库,主要是nn,optim,Variable。import torchfrom torch import nn,optimfrom torch.autograd import Variablefrom torch.utils.data import DataLoaderfrom torchvision import datasets,transforms设置超参数设置超参数,其为神经网络的基础配置。# 超参数batch_size = 100 # 批大小转载 2021-10-16 23:37:20 · 837 阅读 · 0 评论 -
TorchVision官方文档翻译为中文-示例库变换图解-003
此示例演示了torchvision.transforms模块中提供的各种变换。from PIL import Imagefrom pathlib import Pathimport matplotlib.pyplot as pltimport numpy as npimport torchimport torchvision.transforms as Tplt.rcParams["savefig.bbox"] = 'tight'orig_img = Image.open(Path('原创 2021-10-05 16:01:09 · 902 阅读 · 0 评论 -
TorchVision官方文档翻译为中文-示例库Tensor转换与JIT-002
此示例演示了张量图像上的图像变换现在支持的各种功能。特别是,我们展示了如何在GPU上执行图像转换,以及如何使用JIT编译编写它们的脚本。在v0.8.0之前,torchvision中的转换传统上是以PIL为中心的,因此存在多个限制。现在,从v0.8.0开始,转换实现与Tensor和PIL兼容,我们可以实现以下新功能:变换多波段torch张量图像(具有3-4个以上通道)torchscript与用于部署的模型一起进行转换支持GPU加速批处理转换,如视频直接以torchscript支持的torch张量原创 2021-10-05 10:57:14 · 1180 阅读 · 0 评论 -
TorchVision官方文档翻译为中文-目录及相关图像视频解码包定义函数-001
torchvision软件包包括流行的数据集、模型架构和用于计算机视觉的通用图像转换。包参考torchvision.datasetsCaltechCelebACIFARCityscapesCOCOEMNISTFakeDataFashion-MNISTFlickrHMDB51ImageNetKinetics-400KITTIKMNISTLSUNMNISTOmniglotPhotoTourPlaces365QMNISTSBDSBUSEMEIONSTL10SV原创 2021-10-05 10:24:47 · 461 阅读 · 0 评论 -
pytorch 复制、粘贴、替换Model某一层的训练参数
使用pytorch保存模型参数与加载模型参数的方法可以对某一层的参数进行替换、复制:打印当前网络的参数:nn.Model.state_dict()加载网络参数:nn.Model.load_state_dict()代码示例mport torch.nn as nnclass Net1(nn.Module): def __init__(self, input_dim, output_dim): super().__init__() self.linear1 =转载 2021-09-30 10:15:57 · 1133 阅读 · 0 评论 -
神经网络模型详讲(14)
一、简介主要介绍了LeNet、AlexNet、VGGNet、ResNet、DenseNet、NetWork In Network、GoogleNet; 二、LeNet详解  LeNet-5是一个较简单的卷积神经网络。下图显示了其结构:输入的二维图像,先经过两次卷积层到池化层,再经过全连接层,最后使用softmax分类作为输出层。关于CNN参见:https://blo...原创 2019-03-18 14:03:54 · 3886 阅读 · 0 评论 -
Pytorch实现数据批处理训练(9)
(1)简要介绍 Batch_Size在深度学习用于设定批处理的参数,目前机器学习训练的参数更新主要有三种方法:批梯度下降(Batch Gradient Descent)、随机梯度下降(Stochastic Gradient Descent)、小批梯度下降(Mini-batch Gradient Decent)。其中,批梯度下降是要遍历全部数据集计算一次损失函数,进行一次参数更新,...原创 2019-03-13 01:27:09 · 1631 阅读 · 0 评论 -
Pytorch保存训练好的模型以及参数(8)
(1)代码中部分函数讲解 Pytorch中的state_dict其实就是python中的字典对象,可以将训练中的layer(卷积层,线性层等等)保存下来;优化器对象Optimizer也有一个state_dict,其中包含了优化器的状态以及被使用的超参数(如lr, momentum,weight_decay等等)(2)代码import torchimport matp...原创 2019-03-12 00:09:45 · 4139 阅读 · 0 评论 -
RNN详解(12)
本文部分参考和摘录了以下文章,在此由衷感谢以下作者的分享! https://zhuanlan.zhihu.com/p/28054589 https://blog.csdn.net/qq_16234613/article/details/79476763 http://www.cnblogs.com/pinard/p/6509630.html ...原创 2019-03-16 00:44:41 · 1388 阅读 · 0 评论 -
Pytorch使用RNN实现Mnist数据集分类(13)
(1)简介 RNN理论的详讲,请参考:https://blog.csdn.net/CSS360/article/details/88587801(2)代码实现import torchfrom torch import nnimport torchvision.datasets as dsetsimport torchvision.transforms as tran...原创 2019-03-16 00:51:16 · 1173 阅读 · 0 评论 -
Torch与Numpy简单比较(5)
(1)numpy array 和 torch tensor之间相互转换import torchimport numpy as npnp_data = np.arange(6).reshape((2, 3))torch_data = torch.from_numpy(np_data)tensor2array = torch_data.numpy()print("\nnp_d...原创 2019-03-09 00:39:52 · 331 阅读 · 0 评论 -
Pytorch实现线性回归并实时显示拟合过程(6)
本代码通过使用Pytorch动态实现线性回归:import torchimport torch.nn.functional as Ffrom torch.autograd import Variableimport matplotlib.pyplot as plt'''先看torch.squeeze() 这个函数主要对数据的维度进行压缩,去掉维数为1的的维度,比如是一行或者一列这...原创 2019-03-10 01:13:56 · 721 阅读 · 0 评论 -
使用Pytorch框架实现简单的数据分类(7)
(1)代码中使用的函数简要介绍torch.normal #张量里面的随机数是从相互独立的正态分布中随机生成的。torch.cat #将两个张量(tensor)拼接在一起(2)代码import torchfrom torch.autograd import Variableimport torch.nn.functional as Fimport matplot...原创 2019-03-11 00:52:46 · 1146 阅读 · 0 评论 -
Pytorch是实现深度学习优化器SGD Momentum RMSprop Adam(10)
(1)算法简介SGD随机梯度下降算法参数更新针对每一个样本集x(i) 和y(i) 。批量梯度下降算法在大数据量时会产生大量的冗余计算,比如:每次针对相似样本都会重新计算。这种情况时,SGD算法每次则只更新一次。因此SGD算法通过更快,并且适合online。但是SGD以高方差进行快速更新,这会导致目标函数出现严重抖动的情况。一方面,正是因为计算的抖动可以让梯度计算跳出局部最优,最终到达...原创 2019-03-15 10:43:24 · 1896 阅读 · 0 评论 -
Pytorch实现Mnist数据分类(11)
(1)简介MNIST 数据集来自美国国家标准与技术研究所,National Institute of Standards and Technology (NIST). 训练集 (training set) 由来自 250 个不同人手写的数字构成, 其中 50% 是高中学生, 50% 来自人口普查局 (the Census Bureau) 的工作人员. 测试集(test set) 也是同样比例...原创 2019-03-15 15:19:11 · 1482 阅读 · 0 评论 -
PyCharm快捷功能键(3)
(1)单行和多行注释快捷键:选中要注释的代码区域+Ctrl+/原创 2019-03-08 01:37:16 · 222 阅读 · 0 评论 -
Pytorch实现最简单的线性回归(4)
在运行环境中输入:import torchfrom torch.autograd import Variable#准备数据x_data = [5.0, 7.0, 3.0]y_data = [15.0, 21.0, 9.0]#产生随机变量w = Variable(torch.Tensor([1.0]), requires_grad=True)r = 0.001; #定义学习...原创 2019-03-08 02:19:38 · 212 阅读 · 0 评论 -
Pytorch实现CNN(15)
(1)简介 使用Mnist数据集,使用CNN网络实现分类任务,其中网络架构为(输入层-两个隐藏层-全连接层)。(2)代码# library# standard libraryimport os# third-party libraryimport torchimport torch.nn as nnimport torch.utils.data as Dat...原创 2019-03-20 10:05:52 · 1304 阅读 · 0 评论 -
使用RNN实现回归(16)
(1)简介 关于RNN网络模型的介绍,请看https://blog.csdn.net/CSS360/article/details/88587801(2)代码import torchfrom torch import nnimport numpy as npimport matplotlib.pyplot as plt# torch.manual_seed(1) ...原创 2019-03-20 10:22:37 · 3017 阅读 · 0 评论 -
Pytorch实现自编码
(1)简介Deep Learning最简单的一种方法是利用人工神经网络的特点,人工神经网络(ANN)本身就是具有层次结构的系统,如果给定一个神经网络,我们假设其输出与输入是相同的,然后训练调整其参数,得到每一层中的权重。自然地,我们就得到了输入I的几种不同表示(每一层代表一种表示),这些表示就是特征。自动编码器就是一种尽可能复现输入信号的神经网络。为了实现这种复现,自动编码器就必须捕捉可以代...原创 2019-03-20 11:20:12 · 1759 阅读 · 2 评论 -
Anaconda安装Pytorch(1)
首先默认大家已经安装好Anaconda,Pytorch安装流程如下:1、首先在进行windows的终端界面,(快捷键win+R,然后输入cmd,回车即可进入终端界面);2、输入命令:conda create -n pytorch python=3.6来创建pytorch虚拟环境(环境名根据自己喜好来取即可);3、输入命令:activate pytorch 来激活环境;4、进入Pytorch...原创 2019-03-06 00:19:42 · 2532 阅读 · 0 评论