pytorch
文章平均质量分 96
Skyc26
这个作者很懒,什么都没留下…
展开
-
第八章:PyTorch生态简介|第九章:PyTorch的模型部署
图片和视频处理:TorchVision、TorchVideo自然语言处理:torchtext图卷积网络:PyTorch Geometric因为在学NLP,因此主要了解自然语言处理(NLP)的工具包torchtext。ONNX官网:https://onnx.ai/是 Facebook (现Meta) 和微软在2017年共同发布的,用于标准描述计算图的一种格式。原创 2022-09-25 19:03:49 · 1320 阅读 · 0 评论 -
第七章:PyTorch可视化
具体操作参考:https://datawhalechina.github.io/thorough-pytorch/%E7%AC%AC%E4%B8%83%E7%AB%A0/7.3%20%E4%BD%BF%E7%94%A8TensorBoard%E5%8F%AF%E8%A7%86%E5%8C%96%E8%AE%AD%E7%BB%83%E8%BF%87%E7%A8%8B.html。理解CNN的重要一步是可视化,包括可视化特征是如何提取的、提取到的特征的形式以及模型在输入数据上的关注点等。原创 2022-09-23 20:37:43 · 316 阅读 · 0 评论 -
第六章:PyTorch进阶训练技巧
在科学研究中,我们往往会提出全新的损失函数来提升模型的表现,这时我们既无法使用PyTorch自带的损失函数,也没有相关的博客供参考,此时自己实现损失函数就显得极为重要。直接以函数定义的方式定义损失函数如果看每一个损失函数的继承关系我们就可以发现Loss函数部分继承自_loss, 部分继承自, 而继承自_loss,_loss继承自nn.Module。我们可以将其当作神经网络的一层来对待,同样地,我们的损失函数类就需要继承自nn.Module类。以DiceLoss为例DSC=2∣X∩Y∣。原创 2022-09-21 17:09:55 · 715 阅读 · 0 评论 -
第五章:PyTorch模型定义
Module 类是 torch.nn 模块里提供的一个模型构造类 (nn.Module),是所有神经⽹网络模块的基类,我们可以继承它来定义我们想要的模型;PyTorch模型定义应包括两个主要部分:各个部分的初始化(__init__);数据流向定义(forward)U-Net是分割 (Segmentation) 模型的杰作,在以医学影像为代表的诸多领域有着广泛的应用。U-Net模型结构如下图所示,通过残差连接结构解决了模型学习中的退化问题,使得神经网络的深度能够不断扩展。原创 2022-09-16 19:24:42 · 487 阅读 · 0 评论 -
第四章:PyTorch基础实战之FashionMNIST时装分类
取出张量具体位置的元素元素值,并且返回的是该位置元素值的高精度值,保持原元素类型不变;必须指定位置,即:原张量元素为整形,则返回整形,原张量元素为浮点型则返回浮点型,etc.这个里面,每一个for计算的loss,是取出batchsize个数据后计算再平均后的loss,所以最后要乘一个当前的batch的大小。从数据集中可以看出第0列是lable,从第1列开始是每一个图片的像素值,因此用。在自己些论文的过程中,都是用的自己下载好的数据集,自行构建Dataset类。原创 2022-09-16 19:20:25 · 1351 阅读 · 0 评论 -
第三章:PyTorch的主要组成模块
一般来说,input为sigmoid激活层的输出,或者softmax的输出。PyTorch数据读入是通过Dataset+DataLoader的方式完成的,Dataset定义好数据的格式和数据变换形式,DataLoader用iterative的方式不断读入批次数据。某些任务在训练完成后,需要对一些必要的内容进行可视化,比如分类的ROC曲线,卷积网络中的卷积核,以及训练/验证过程的损失函数曲线等等。损失函数是数据输入到模型当中,产生的结果与真实标签的评价指标,我们的模型可以按照损失函数的目标来做出改进。原创 2022-09-16 19:18:19 · 1484 阅读 · 0 评论