Pytorch
文章平均质量分 69
JYliangliang
发现问题,解决问题,不要绕开问题的本身;多做事情,不会吃亏,即使不是你的事情。
展开
-
PyTorch深度学习(30)OpenCV图像处理
3.4.2以上需要专利pip install opencv-contrib-python==3.4.1.15 增加额外拓展包import cv2。原创 2023-10-24 09:00:00 · 466 阅读 · 0 评论 -
PyTorch软件安装及环境搭建步骤
conda remove --name env_name package_name 删除环境中某个包。2、点击运行 install-current-user.vbs 脚本,为当前用户安装破解补丁。conda remove --name env_name --all 删除环境。1、将 ja-netfilter-all激活文件夹移动到电脑上某个位置。pytorch深度学习版本对应。安装requirement依赖。安装MATLABR2018b。pycharm2022破解。注意版本,计算SSIM。原创 2023-05-02 15:53:07 · 1136 阅读 · 1 评论 -
PyTorch深度学习(29)Pytorch code importance content
Pytorch代码及命令总结原创 2022-10-30 17:04:30 · 1463 阅读 · 1 评论 -
Linux Ubuntu 安装Anaconda和PyCharm
Linux Ubuntu 安装Anaconda和PyCharm原创 2022-10-24 10:34:01 · 1110 阅读 · 0 评论 -
OpenMMLab(1)配置文件
configs文件配置,包括网路就哦模型、数据集及处理、优化器和epoch、日志保存原创 2022-10-11 10:25:42 · 977 阅读 · 0 评论 -
Pytorch 报错信息
Pytorch 报错信息原创 2022-10-24 10:46:05 · 2384 阅读 · 1 评论 -
基于YoLov5的PyQt5目标检测图形可视化工具
报错1:AttributeError: Can‘t get attribute ‘SPPF‘ on <module ‘models.common‘ from ......解决方案:model/common.py里面去找到这个SPPF的类,把它拷过来到你这个Tags5的model/common.py里面,这样你的代码就也有这个类了,还要引入一个warnings包import warningsclass SPPF(nn.Module): # Spatial Pyramid Pooling原创 2022-05-31 19:16:04 · 1150 阅读 · 1 评论 -
PyTorch深度学习(26)网络结构Swin-Transformer
内容原创 2022-04-07 16:22:23 · 2688 阅读 · 0 评论 -
PyTorch深度学习(25)网络结构ConvNeXt
ConvNeXt论文地址:https://arxiv.org/abs/2201.03545一、改进点随着技术的不断发展,各种新的架构及优化策略促使Transformer拥有更好的效果相同策略训练卷积神经网络以ResNet-50为基准1、Macro design(1)Swin-T的比例是1:1:3:1 Swin-L的比例是1:1:9:1堆叠次数由(3, 4, 6, 3)调整为(3, 3, 9, 3)(2)最初的下采样模块为stem,例如ResNet中stem是7×7卷积核3×3.原创 2022-04-02 23:26:14 · 6096 阅读 · 0 评论 -
PyTorch深度学习(23)Transformer及网络结构ViT
一、Transformer二、ViT网络原创 2022-04-02 22:03:32 · 2134 阅读 · 0 评论 -
PyTorch深度学习(22)网络结构ResNet、BN、迁移学习、ResNeXt
一、简介ResNet在2015年微软实验室提出,斩获当年ImageNet竞赛中分类任务第一名,目标检测第一名。获得COCO数据集中目标检测第一名,图像分割第一名。Deep Residual Learning for Image Recognition网络亮点:超深的网络结构(突破1000层) 提出residual模块 使用Batch Normalization加速训练(丢弃dropout)问题:梯度消失或梯度爆炸 梯度消失: 梯度爆炸: 退化问题(degradation原创 2022-04-01 21:33:23 · 1712 阅读 · 0 评论 -
PyTorch深度学习(21)网络结构GoogLeNet
一、网络结构图网络亮点:引入Inception(融合不同尺寸) 使用1×1的卷积核进行降维以及映射处理 添加两个辅助分类器帮助训练 丢弃全连接层,使用平均池化层(大大减少模型参数)二、网络代码(1)网络层(2)训练层(3)验证层...原创 2022-04-03 13:11:28 · 1592 阅读 · 0 评论 -
PyTorch深度学习(20)网络结构DenseNet
一、网络结构1、DenseNet网络结构2、密集块及卷积层数据二、代码详情1、网络代码import numpy as npimport torchimport torch.nn as nnimport torch.nn.functional as Fimport fusion_strategy# 卷积层class ConvLayer(torch.nn.Module): def __init__(self, in_channels, out..原创 2022-02-24 17:19:36 · 2152 阅读 · 5 评论 -
PyTorch深度学习(19)网络结构VGGNet
VGGNet网络结构分类数据:将数据集中10%的图像为验证集Validation,其他为训练集Trainimport osfrom shutil import copy, rmtreeimport randomdef mk_file(file_path: str): if os.path.exists(file_path): # 如果文件夹存在,则先删除原文件夹在重新创建 rmtree(file_path) os.makedirs.原创 2022-02-18 19:39:46 · 812 阅读 · 0 评论 -
PyTorch深度学习(18)网络结构LeNet、AlexNet
CNN(Convolutional Neural Network)1、雏形:LeCun的LeNet(1998)网络结构Pytorch Tensor的通道顺序:[batch,channel,height,wight]LeNetimport torchimport torch.nn as nnimport torch.nn.functional as Fclass LeNet(nn.Module): def __init__(self): super(LeN原创 2022-02-15 19:40:49 · 1186 阅读 · 0 评论 -
PyTorch深度学习(17)RNN LSTM
RNNRNN(循环神经网络)是一种以序列数据为输入来进行建模的深度学习模型,可用于股价预测、天气温度预测、文本生成、网络评论情感分析、机器翻译等场景缺点:1、计算速度慢 2、短期记忆保存,不适合保存长期信息(对短期信息敏感,缺乏长期信息的依赖)优势:1、能处理任意长度的输入 2、模型大小不随输入长度影响 3、计算过往的历史数据 4、权重共享LSTMLSTM:Long Short Term Memory 长短期记忆cell state单元状态 传送带上的状态信息由遗忘门和输入门控制...原创 2021-12-10 20:54:11 · 2010 阅读 · 0 评论 -
PyTorch深度学习(16)tensor张量
一、什么是tensor?scalar(标量):一个数值 2vector(向量):一个数组 [2],[3]matrix(矩阵):二维数组 [[2,3], [4,5]]tensor(张量):大于二维的数组,即多维数组tensor的类型numpy.float64、numpy.float32、numpy.float16、numpy.int64、numpy.int32numpy.int16、numpy.int8、numpy.uint8、numpy.bool备注:pip 安装时使用清华源-.原创 2021-12-10 10:26:26 · 1025 阅读 · 0 评论 -
PyTorch深度学习(15)MNIST手写数据集训练
专业名词参数和超参数参数:模型f(x,θ)中θ称为模型的参数,可以通过优化算法进行学习超参数:用来定义模型结构或优化策略batch_size 批处理每次处理的数据数量epoch 轮次把一个数据集,循环运行几轮transforms变换主要将图片转换为tensor,旋转图片,以及正则化normalize 正则化模型出现过拟合现象时,降低模型复杂度卷积层:由卷积核构建,卷积核简称为卷积,也称为滤波器,卷积的大小可以在实际需要时自定义其长和宽(1×1、3×3、5×原创 2021-12-01 18:57:23 · 1800 阅读 · 0 评论 -
PyTorch深度学习(14)命令行记录及安装梳理
下载anaconda,并安装在Anaconda目录中,打开Anaconda Prompt分别输入python 及 conda进入anaconda安装文件夹,同时按住shift和右键,打开Powershell窗口输入jupyter notebook,如打不开,则需要复制 or copy and paste one of these URLs下的网址链接new——> Python3 shift+enter键可运行代码安装pytorch环境conda create -n...原创 2021-11-22 21:40:23 · 1101 阅读 · 0 评论 -
PyTorch深度学习(13)PyTorch Torch Vision python 版本对应
pytorch,torchvision,python 版本对应pytorch,torchvision,python 三者的对应关系来源于 pytorch 官方 github,链接:https://github.com/pytorch/vision#installation创建并进入虚拟环境创建一个虚拟环境,其中 pt 是自定义虚拟环境名称,另外根据踩坑经验 python 3.6.5 版本可以适配所有版本的 pytorch,建议创建环境时 python 解释器版本选择 3.6.5 版本。原创 2021-10-30 10:43:45 · 38670 阅读 · 4 评论 -
PyTorch使用中出现问题记录
安装pytorch出现问题原创 2021-10-24 09:23:21 · 4835 阅读 · 0 评论 -
PyTorch深度学习(12)利用GPU训练及模型验证
一、利用GPU训练方式一 .cuda()网络模型数据(输入,标注)损失函数调用 .cuda()方式二 .to(device).to(device)device = torch.device( "cpu" )torch.device( "cuda" )电脑中有多张显卡torch.device( "cuda:0" )torch.device( "cuda:1" )只有数据、图片、标注需要.to() 后进行赋值device = torch....原创 2021-10-24 09:00:00 · 1450 阅读 · 0 评论 -
PyTorch深度学习(11)完整模型训练
模型训练步骤准备数据集 获取数据集长度(包括训练集和测试集) 利用DataLoader来加载数据集 搭建网络模型 创建网络模型 定义损失函数 定义优化器 设置训练参数(记录训练次数、记录测试次数、训练的轮数) 训练步骤开始 将训练集添加到网络模型中 计算损失函数 梯度归零 优化器优化模型 反向传播,计算每个参数梯度值 通过梯度下降执行一步梯度更新 测试步骤开始 设置无梯度 将测试集添加到网络模型中 计算损失函数 计算每行最大值,取得正确率原创 2021-10-17 09:00:00 · 1519 阅读 · 0 评论 -
PyTorch深度学习(5)神经网络 nn.Module及Conv2d卷积层
一、神经网络模块神经网络:Neural Network1、引入包import torch.nn2、继承需要定义类并继承nn.Module,并重写其中的__init__ 和 forward 方法3、具体代码import torchfrom torch import nn# 继承nn.Module后需实现__init__和forward方法# forward 为前向传播class NNModule(nn.Module): def __init__(self原创 2021-10-16 10:47:06 · 2365 阅读 · 0 评论 -
PyTorch深度学习(7)非线性激活及线性层
一、Non-Linear Activations 非线性激活1、RELUinput > 0时,取原始值;input < 0时,取0Input:(N, *) N - batch_sizeOutput:(N, *) N - batch_sizenn.ReLU(inplace:bool=false)inplace为True, input = -1, ReLU(input, inplace=True) —— input = 0inplace为False,inpu...原创 2021-10-16 13:48:50 · 882 阅读 · 0 评论 -
PyTorch深度学习(6)池化层
Pooling Layers 池化层1、种类:nn.MaxPool1d 下采样池化 nn.MaxPool2d nn.MaxPool3d nn.MaxUnpool1d 上采样池化 nn.MaxUnpool2d nn.MaxUnpool3d nn.AvgPool1d 平均池化 nn.AvgPool2d nn.AvgPool3d nn.AdaptiveMaxPool1d 自适应最大池化 nn.AdaptiveMaxPool2d nn.AdaptiveMaxPool3d n...原创 2021-10-16 13:04:42 · 1108 阅读 · 0 评论 -
PyTorch深度学习(8)Sequential及小神经网络搭建
CIFAR10神经网络卷积层Conv公式Hin=32 Hout=32 padding=未知 dilation=1 kernel_size=5 stride=132 = (32 + 2 × padding - 1 × (5 - 1) - 1) / 1 + 1 得padding = 2具体代码:import torchfrom torch import nnfrom torch.utils.tensorboard import SummaryWrite...原创 2021-10-16 14:16:05 · 175 阅读 · 0 评论 -
PyTorch深度学习(9)损失函数、反向传播、优化器
一、损失函数例如:试卷总计100分,其中选择题30分、判断题20分、简答题50分target(目标分数):选择30、判断20、简答50ouput(实际分数):选择10、判断10、简答10Loss = (30 - 10) + (20 - 10) + (50 - 10) = 70loss越小越好1、计算实际输出和目标之间的差距2、为我们更新输出提供一定的依据(反向传播)1)L1LossL1Loss x:1,2,3 y:1,2,5L1Loss = (0 + 0 ...原创 2021-10-16 15:12:49 · 797 阅读 · 0 评论 -
PyTorch深度学习(4)DataLoader
DataLoader 数据加载类使用时需要先引入 import torch.utils.data.DataLoaderDataLoader中各个参数含义:dataset:定义的dataset类返回的结果 batch_size:每批加载的样本数量,默认是1 shuffle:是否打乱一批数据 sampler:从数据集中加载的数据所采用的策略,如果指定,shuffle需为false batch_sampler:表示一次返回一个batch的index num_workers:表示开启多少个线.原创 2021-10-15 21:56:19 · 575 阅读 · 0 评论 -
PyTorch深度学习(3)Transforms CIFAR10
使用Transforms,需要先引入 from torchvision import transformsTensor 张量 实际就是一个多维数组multidimensional array,其目的是能够创造更高维度的矩阵、向量__call__方法:魔法函数__call__,即把类当作函数使用,不需要再调用类中的函数例如:person = Person() person("name") person.Name()# 创建具体的工具 tool = transforms.T...原创 2021-10-15 20:56:32 · 1024 阅读 · 0 评论 -
PyTorch深度学习(2)Tensor-board
命令行记录:pip install tensorboard 安装tensorboard (x轴步长,y轴值)tensorboard --logdir=logs 事件文件所在文件夹名称tensorboard --logdir=logs --port=6007 修改端口为6007...原创 2021-10-10 17:23:50 · 561 阅读 · 0 评论 -
PyTorch深度学习(1)Dataset数据集
使用Dataset数据集,需要先导入torch.utils.data 数据工具中的 Datasetfrom torch.utils.data import Dataset (Dataset注意大写)继承Dataset类后可重写两个方法__init__(self, 之后的参数可加)__getitem__(self, idx) idx为索引__len__(self)为获取数据集长度# Dataset 数据集from torch.utils.data import Dataset..原创 2021-10-10 16:56:38 · 3127 阅读 · 0 评论 -
PyTorch深度学习(10)不同网络模型及网络模型保存、加载
一、不同的网络模型CIFAR10、VGG16、ImageNet等导入库pip install scipy 安装scipypip uninstall scipy 卸载scipytorchvision.datasets.ImageNet('./dataset', split='train', download=True, transform=torchvision.transforms.ToTensor())参数:存放位置、 split——训练集、是否下载、transform转换...原创 2021-10-16 16:00:09 · 372 阅读 · 0 评论 -
PyTorch深度学习(0)搭建PyTorch环境
一、下载Anaconda及安装1、下载Anaconda并安装Anaconda | The World's Most Popular Data Science PlatformAnaconda is the birthplace of Python data science. We are a movement of data scientists, data-driven enterprises, and open source communities.https://www.anaconda.c.原创 2021-10-10 16:43:11 · 774 阅读 · 1 评论