PyTorch 基础学习

原创 已于 2024-08-31 21:20:32 修改 · 637 阅读 · 12 ·
CC 4.0 BY-SA版权
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。
文章标签：

#pytorch #学习 #人工智能

于 2024-08-21 12:33:58 首次发布

文章索引：
PyTorch 基础学习（1） - 快速入门
PyTorch 基础学习（2）- 张量 Tensors
PyTorch 基础学习（3） - 张量的数学操作
PyTorch 基础学习（4）- 张量的类型
PyTorch 基础学习（5）- 神经网络
PyTorch 基础学习（6）- 函数API
PyTorch 基础学习（7）- 自动微分
PyTorch 基础学习（8）- 多进程并发
PyTorch 基础学习（9）- 训练优化器
PyTorch 基础学习（10）- Transformer
PyTorch 基础学习（11）- 张量内存管理
PyTorch 基础学习（12）- 自定义运算符
PyTorch 基础学习（13）- 混合精度训练
PyTorch 基础学习（14）- 归一化
PyTorch 基础学习（15）- 损失函数
PyTorch 基础学习（16）- 优化算法
PyTorch 基础学习（17）- 过拟合

PyTorch强化学习实战（1）——强化学习环境配置与PyTorch基础
盼小辉丶的博客
05-29 15万+
工欲善其事，必先利其器。为了更专注于学习强化学习的思想，而不必关注其底层的计算细节，我们首先搭建相关强化学习环境，包括 PyTorch 和 Gym，其中 PyTorch 是我们将要使用的主要深度学习框架，Gym 则提供了用于各种强化学习模拟和任务的环境。除此之外，本文还介绍了一些 PyTorch 的基础知识，以及 Gym 环境的使用方法，为之后的强化学习实战奠定基础。
PyTorch 基础学习（14）- 归一化
花千树的专栏
08-29 2164
归一化是数据预处理中的重要步骤之一，它可以将数据调整到特定的范围或分布，有助于加速训练并提高模型的性能。在机器学习中，不同的归一化方法适用于不同的场景。本文将详细介绍 scikit-learn 中的常见归一化方法及其应用。不同的归一化方法适用于不同的数据特性和模型需求。在实际应用中，选择合适的归一化方法能够有效提高模型的性能和训练速度。通过理解各类归一化方法的工作原理，您可以在机器学习项目中更好地处理数据并优化模型表现。
PyTorch基础学习总结
分享实践与思考
01-14 3658
目录 一、PyTorch中的Tensor张量 1、Tensor张量 2、Tensor数据类型 3、Tensor常用函数 二、基于PyTorch搭建简易神经网络模型 1、简易神经网络模型 2、Pytorch自动梯度 3、使用自动梯度和自定义函数搭建简易神经网络模型 三、torch.nn和torch.optim 1、使用torch.nn搭建神经网络模型 2、使用torch.opt...
pytorch基础学习
weixin_42438346的博客
11-12 1482
数据读取：Dataloader sampler --> index Dataset --> image, label epoch，iteration，batchsize 样本总数：80 batchsize：8 1个epoch = 10个iteration 先Dataset，再Dataloader 数据预处理：transforms
pytorch基础知识学习
myqueen_way的博客
05-19 1039
介绍了基于pytorch的深度学习，介绍了pytorch表示的数据类型和数据的初始化方式，每一种数据类型的初始化方式均有例子说明，小白也能看懂标量表示一个维度为0的Tensor，采用如下的方式进行初始化：初始化一个数字为1的标量#查看标量的形状a.shape #输出的结果为torch.Size([])#使用len（）函数查看len(a.shape) #结果为0#使用size()函数查看a.size(). #结果为torch.Size([])维度为一的张量#初始化。
【Pytorch】2024 Pytorch基础入门教程（完整详细版）
热门推荐
炼丹笔记
09-11 25万+
Pytorch是torch的python版本，是由Facebook开源的神经网络框架，专门针对 GPU 加速的深度神经网络（DNN）编程。Torch 是一个经典的对多维矩阵数据进行操作的张量（tensor ）库，在机器学习和其他数学密集型应用有广泛应用。与Tensorflow的静态计算图不同，pytorch的计算图是动态的，可以根据计算需要实时改变计算图。但由于Torch语言采用 Lua，导致在国内一直很小众，并逐渐被支持 Python 的 Tensorflow 抢走用户。
【pytorch基础学习笔记】零基础速成，了解pytorch基础语法和应用
weixin_43444329的博客
12-08 1687
Torch是一个有大量机器学习算法支持的科学计算框架，是一个与Numpy类似的张量（Tensor） 操作库，其特点是特别灵活，但因其采用了小众的编程语言是Lua，所以流行度不高，这也就有了PyTorch的出现。所以其实Torch是 PyTorch的前身，它们的底层语言相同，只是使用了不同的上层包装语言。PyTorch是一个基于Torch的Python开源机器学习库，用于自然语言处理等应用程序。
PyTorch基础学习（二）
hello.reader
06-02 7516
生成器的训练通常与判别器模型一起进行，通过对抗性训练来优化生成器和判别器之间的动态平衡。在训练过程中，生成器的目标是生成越来越逼真的样本，以欺骗判别器。生成器接收一个随机向量（通常称为噪声向量）作为输入，并生成一个与真实数据相似的样本。GAN是一种无监督学习算法，通过训练一个生成器和一个判别器模型来生成与真实数据相似的新样本。在这个示例中，我们定义了一个简单的生成器模型，包含一个线性层和一个ReLU激活函数。需要注意的是，生成器的结构和训练过程可能会根据具体的应用和问题而有所不同。
Pytorch基础学习（修改，简化，速成）
weixin_53162487的博客
04-30 5302
pytorch 简要介绍
pytorch基础学习笔记
03-13
### PyTorch基础学习笔记 #### 一、PyTorch简介及安装 ##### 1.1 PyTorch简介 PyTorch是由Facebook的人工智能研究实验室（FAIR）开发的一款开源机器学习库，专为利用GPU加速张量计算和深度学习而设计。PyTorch的...
PyTorch深度学习实战
08-29
本书系统讲解使用PyTorch构建深度神经网络的...适合具备Python基础、希望快速上手深度学习应用的开发者与学习者。书中结合理论与实战，引导读者开发图像分类、文本生成与情感分析等智能应用，是进入AI领域的实用指南。
【python】python安装使用pytorch库环境配置
zhoutao2333的博客
11-11 755
在输出信 息中，留意 CUDA Version 这一项，它表示你的驱动最高支持的CUDA版本。注：为了确保兼容性，建议从PyTorch官网获取安装命令时，直接选择与你的驱动兼容的CUDA版本。前往NVIDIA官网的CUDA Toolkit Archive，根据你之前查到的、驱动支持的CUDA版本，下载并安装对应的CUDA Toolkit。打开 PyTorch官网，根据你的操作系统、包管理器（Conda或Pip）、Python版本以及CUDA版本，选择相应的配置，网站会自动生成最匹配的安装命令。
PyTorch图像分割实战，U-Net模型训练与部署
2509_93942660的博客
11-12 331
近年来，随着U-Net模型的兴起，其在图像分割任务中展现出了卓越的性能。其特点是具有对称的编码器-解码器结构，其中编码器负责提取图像特征，解码器则负责将这些特征映射回原始图像尺寸，从而实现像素级别的分割。为了训练U-Net模型，需要将这些图像转换为适合模型输入的格式，即像素级别的掩码图像。在部署过程中，需要注意模型的输入输出格式和性能优化等问题，以确保模型在实际应用中的稳定性和准确性。**PyTorch图像分割实战：U-Net模型训练与部署****一、U-Net模型简介****四、模型训练**
2025-11-15 学习记录--Python-LSTM模型定义（PyTorch）
最新发布
weixin_48850734的博客
11-15 81
LSTM模型定义（PyTorch）
论文STEERER人群计数，车辆计数以及农作物计数算法详解（pytorch）
Keep_Trying_Go的博客
11-15 215
本文提出STEERER模型，通过选择性继承学习实现多尺度特征融合。模型采用FSIA算法从低到高分辨率融合特征，并使用CAM方法显示各尺度特征区域。实验表明，该模型在车辆(TRANCOS)和玉米计数(MTC)任务中表现优异，MAE分别降低12.9%和14.0%。可视化结果显示STEERER在生成密度图和定位方面优于基线模型，尤其擅长检测大型和小而密集的物体。跨域测试证实模型具有良好可移植性，适用于车辆、树木等多种场景的定位和计数任务。
34.来自Transformers的双向编码器表示（BERT）
m0_71819746的博客
11-11 599
34.来自Transformers的双向编码器表示（BERT）
从零搭建PyTorch计算机视觉模型
helanfe的博客
11-08 397
本文详细介绍了从零开始使用PyTorch搭建计算机视觉模型的全流程。内容包括环境配置、数据预处理、CNN模型设计、训练流程、评估调优以及模型部署等核心环节，提供完整的代码示例。重点解析了卷积神经网络结构、数据增强技术、损失函数选择等关键技术点，并给出了模型保存和轻量级部署方案。最后推荐了迁移学习、多GPU训练等进阶方向，为初学者提供了一套完整的计算机视觉实践指南。
wsl ubuntu24.04 cuda13 cudnn9 pytorch 显卡加速
桃李不言下自成蹊
11-11 1086
在WSL Ubuntu中部署CUDAToolkit cuDNN pytorch显卡加速
【笔记】xFormers版本与PyTorch、CUDA对应关系及正确安装方法详解
love530love的博客
11-11 1039
xFormers作为Meta开发的Transformer优化库，在安装过程中常因版本不匹配导致问题。本文详细分析了xFormers与PyTorch、CUDA的版本对应关系，并提供了三种正确安装方法：1) 使用特定index-url安装(推荐)；2) 从源码安装；3) 指定版本安装。安装后可通过检查版本号、xFormers配置和CUDA支持进行验证。正确匹配版本能避免PyTorch被降级为CPU-only版本的问题，确保xFormers发挥最佳性能。
评论
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