- 博客(11)
- 收藏
- 关注
原创 10.22Pytorch日志
x = torch.randn(2, 3)print(x)y = x.view((1, 1) + x.shape)print(y)输出tensor[[…]]tensor[[ [[]] ]] (增加了两个维度)torch.stack:沿着一个新维度对输入张量序列进行连接。 序列中所有的张量都应该为相同形状
2020-10-22 20:52:31 87
原创 10.20Pytorch日志
10.20torch.rand:返回一个张量,包含了从区间[0,1)的均匀分布中抽取的一组随机数torch.randn:返回一个张量,包含了从标准正态分布(均值为0,方差为 1torch.mm:矩阵相乘tensor.uniform_(-10, 10):将tensor用从-10到10均匀分布中抽样得到的值填充tensor.abs():计算输入张量的每个元素绝对值state_dict 是⼀个从参数名称映射到参数 Tesnor 的字典对象ex:class MLP(nn.Module):
2020-10-20 23:15:08 206
原创 10.19Pytorch日志
10.19torch.cat()torch.pow()正向传播:输⼊层到输出层的顺序反向传播:反向传播依据微积分中的链式法则,沿着从输出层到输⼊层的顺序,依次计算并存储⽬标函数有关神经⽹络各层的中间变量以及参数的梯度训练深度学习模型:all in all:正向传播沿着从输⼊层到输出层的顺序,依次计算并存储神经⽹络的中间变量。反向传播沿着从输出层到输⼊层的顺序,依次计算并存储神经⽹络中间变量和参数的梯度。数值稳定性和模型初始化:衰减和爆炸: 层数多, 参数设置:0.2,5 30
2020-10-19 22:27:05 114
原创 10.18Pytorch学习日志
torch.max()torch.matmul():tensor的乘法(2维就普通矩阵乘法)均匀分布torch.nn.init.uniform_(tensor, a=0, b=1)服从~U ( a , b ) U(a, b)U(a,b)正太分布torch.nn.init.normal_(tensor, mean=0, std=1)服从~N ( m e a n , s t d ) N(mean, std)N(mean,std)初始化为常数torch.nn.init.consta
2020-10-18 23:52:16 99
原创 10.16Pytorch学习日志
torch.utils.data.Datasettorch.utils.data.Dataset是代表自定义数据集方法的抽象类,你可以自己定义你的数据类继承这个抽象类,非常简单,只需要定义__len__和__getitem__这两个方法就可以。通过继承torch.utils.data.Dataset的这个抽象类,我们可以定义好我们需要的数据类。当我们通过迭代的方式来取得每一个数据,但是这样很难实现取batch,shuffle或者多线程读取数据,所以pytorch还提供了一个简单的方法来做这件事情,通过t
2020-10-16 23:22:05 331
原创 究极pytorch环境搭建
不使用GPU(用于比较小的项目,稍微大点的都要用GPU,如果硬件允许最好装GPU版)1:下载Anaconda2:打开Anaconda Navigator - Enviroment, 它自带一个base环境左下角Creat一个环境, 这个环境里有python的版本选择,所以不用单独下一个python这里我创了一个pytorch环境,用来专门跑pytorch框架的项目3打开刚刚创的环境, 点绿色三角形, open Terminal这里就进入了刚刚搭的虚拟环境中, 进入pythorch官
2020-10-13 23:47:50 3121
原创 10.11pytorch学习日志
人工神经网络概念pip uninstall torch安装了GPU版pytorch后天之前找例子来实践跑一跑理工找了欣欣
2020-10-11 23:13:48 71
原创 10.09pytorch学习日志
torch.linspace :torch.ones(x,y): x行y列的1 / ones (x):x行一列torch.rand(x,y):x行y列随机数 / rand(x): x行一列torch.randn(x,y):x行y列随机数 / randn(x): x行一列torch.arange(x,y,z):一维张量从x开始到y结束(不包含y),步长为ztorch.range(x,y,z):一维张量从x开始到y结束,步长为ztorch.zeros(*sizes, out=None) → Tens
2020-10-09 22:14:27 1553 1
原创 pytorch学习记录
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
2020-10-09 13:37:41 57
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人