动手深度学习
gz153016
格局,品味
展开
-
pycharm的debug使用
**step over(F8快捷键):**在单步执行时,在函数内遇到子函数时不会进入子函数内单步执行,而是将子函数整个执行完再停止,也就是把子函数整个作为一步。在不存在子函数的情况下是和step into效果一样的。简单的说就是,程序代码越过子函数,但子函数会执行,且不进入。**step into(F7快捷键):**在单步执行时,遇到子函数就进入并且继续单步执行,有的会跳到源代码里面去执行。**step into my code(Alt+Shift+F7快捷键):**在单步执行时,遇到子函数就进入并且继原创 2020-10-29 16:18:16 · 241 阅读 · 0 评论 -
解决单GPU训练
问题.现在只有一块gpu训练,另一块没有用上,不知如何调(1) batch_size需要大于现有的gpu的数量(2)device = torch.device(“cuda:0” if torch.cuda.is_available() else “cpu”)#cuda:0代表起始的#device_id为0,如果直接是cuda,同样默认是从0开始,可以根据实际需要修改起始位置,如cuda:1(3)if torch.cuda.device_count() > 1: # 查看当前电脑的可用的gpu原创 2020-09-10 22:32:48 · 465 阅读 · 0 评论 -
linux命令nohup,断开ssh连接,服务器仍然运行程序,困惑了好久。-来自刘帅的指导
nohupnohup 命令运行由 Command参数和任何相关的 Arg参数指定的命令,忽略所有挂断(SIGHUP)信号。在注销后使用 nohup 命令运行后台中的程序。要运行后台中的 nohup 命令,添加 & ( 表示“and”的符号)到命令的尾部。nohup 是 no hang up 的缩写,就是不挂断的意思,但没有后台运行,终端不能标准输入。nohup命令:如果你正在运行一个进程,而且你觉得在退出帐户时该进程还不会结束,那么可以使用nohup命令。该命令可以在你退出帐户/关闭终端之后继原创 2020-08-15 13:07:11 · 780 阅读 · 0 评论 -
pytorch,数据管理
# Dataset responsible for manipulating data for training as well as training tests.class DatasetMNIST(torch.utils.data.Dataset): def __init__(self, data, transform=None): self.data = data self.transform = transform def __len__(se.原创 2020-06-17 16:48:20 · 185 阅读 · 0 评论 -
kaggle-Digit Recognizer
data_loader.pyimport osos.environ["CUDA_VISIBLE_DEVICES"] = "3"import numpy as npimport pandas as pdfrom sklearn.model_selection import train_test_splitfrom torch.utils.data.dataset import Datas...原创 2020-05-02 14:13:05 · 337 阅读 · 0 评论 -
unsqueeze,squeeze
import torchimport matplotlib.pyplot as plta = torch.randn(2, 3) # 标准正态分布生成随机数print("a:", a)print("a.shape:", a.shape) # torch.Size([2, 3])# unsqueeze:扩充数据维度,在0起的指定位置N加上维数为一的维度b = torch.unsq...原创 2020-04-15 21:23:21 · 271 阅读 · 0 评论 -
linux环境中安装pytorch
创建虚拟环境为pytorch创建一个虚拟环境,这是推荐的做法,这样在创建其他环境如tensorflow时,就不会互相冲突。在终端输入:conda create -n pytorch python=3.6这就创建了一个名为pytorch,python版本为3.6的虚拟环境。于是我们可以把Pytorch安装在这个环境下面。首先我们激活这个环境:source activate pytorch...原创 2020-02-27 21:11:23 · 1300 阅读 · 0 评论 -
DCGAN,WGAN,SGAN核心代码
SGAN:用自己的图片# 导入需要的包from PIL import Image # Image 用于读取影像from skimage import io # io也可用于读取影响,效果比Image读取的更好一些import tensorflow as tf # 用于构建神经网络模型import matplotlib.pyplot as plt # 用于绘制生成影像的结果im...原创 2020-02-20 16:47:21 · 650 阅读 · 0 评论 -
sess.run([], feed_dict={})
"""在tensorflow中,tf.gradients()的参数如下:tf.gradients(ys, xs, grad_ys=None, name='gradients', colocate_gradients_with_ops=False, gate_gradients=False,...原创 2020-01-07 16:34:54 · 2252 阅读 · 0 评论 -
3.3. 线性回归的简洁实现
"""3.3. 线性回归的简洁实现""""""3.3.1. 生成数据集 features是训练数据特征,labels是标签"""from mxnet import autograd, ndnum_inputs = 2num_examples = 1000true_w = [2, -3.4]true_b = 4.2features = nd.random.n...原创 2019-06-10 22:04:07 · 204 阅读 · 0 评论 -
3.1线性回归
"""3.1线性回归回归:预测房屋价格、气温、销售额等连续值等问题。分类:图像分类、垃圾邮件识别、疾病监测等。注意:softmax回归则适合用于分类问题。""""""3.1.1 线性回归的基本要素 这就是机器学习。 目标:预测一栋房子的售出的价格。 影响的因素:如房屋状况、地段、市场行情等 为了简单的起见:假设价格只取决于房屋状况的两个因素,...原创 2019-06-03 20:23:11 · 197 阅读 · 0 评论 -
2.3 自动求梯度
"""2.3 自动求梯度"""from mxnet import autograd, nd"""2.3.1 简单例子""""""我们先看一个简单例子:对函数 y=2x⊤x 求关于列向量 x 的梯度。我们先创建变量x,并赋初值。"""x = nd.arange(4).reshape((4,1))print("x:", x)"""为了求有关变量x的梯度,我们需要先...原创 2019-06-03 11:11:44 · 805 阅读 · 0 评论 -
2.2. 数据操作
"""2.2 数据操作""""""2.2.1 创建NDArray"""from mxnet import nd# 用arange函数创建一个行向量x = nd.arange(12)print("x:", x)print("x.shape:", x.shape)print("x.size:", x.size)X = x.reshape((3, 4))print("X:",...原创 2019-06-03 09:26:55 · 198 阅读 · 0 评论 -
图像分类数据集(Fashion-MNIST)
"""3.5. 图像分类数据集(Fashion-MNIST)多类图像分类数据集Fashion-MNIST3.5.1. 获取数据集"""import d2lzh as d2lfrom mxnet.gluon import data as gdataimport sysimport timemnist_train = gdata.vision.FashionMNIST(train...原创 2019-06-12 20:39:13 · 3721 阅读 · 0 评论 -
3.2. 线性回归的从零开始实现
"""3.2. 线性回归的从零开始实现"""from IPython import displayfrom matplotlib import pyplot as pltfrom mxnet import autograd, ndimport random"""3.2.1. 生成数据集训练数据集样本数为1000输入个数(特征数)为2给定随机生成的批量样本特征 X∈(1000...原创 2019-06-05 15:31:19 · 247 阅读 · 0 评论