pytorch 深度学习
深度学习pytorch实战计算机视觉笔记
卡小葵
写博客只是为了督促自己,慢慢整理,慢慢进步
展开
-
基于pytorch神经网络模型搭建训练流程
文章目录1.定义头文件2.定义 dataloader3.定义⽹络(Net)4.定义损失函数和优化器5.训练⽹络(⽬的是得出最佳参数的⽹络)模型搭建模型搭建步骤:1.定义头文件import torch as timport torchvision as tv #数据处理,导入、预览import torchvision.transforms as transforms #数据变换from torch.autograd import Variable #梯度import torch.nn as原创 2020-12-22 13:57:44 · 1569 阅读 · 0 评论 -
CV之街景字符编码识别四----pytorch之模型训练与验证 ,如何构造训练集和验证集
一、训练集,验证集,测试集的作用训练集(Train Set):模型用于训练和调整模型参数;验证集(Validation Set):用来验证模型精度和调整模型超参数;测试集(Test Set):验证模型的泛化能力。通俗来讲:训练集用于训练给定的模型。验证集用于在模型之间进行选择(例如,随机森林还是神经网络更适合你的问题?)你想要一个有40棵树的随机森林还是50棵树的随机森林?)测试集告诉你,你做的怎么样。二、训练集,验证集的构造 在对于训练好的模型,也许会出现,欠拟合,过拟合,以及完原创 2020-05-29 21:22:20 · 390 阅读 · 0 评论 -
CV之街景字符编码识别三----pytorch之定义网络,损失函数和优化器
文章目录一、定义网络(Net)二、定义损失函数和优化器一、定义网络(Net)用一个名为Net的类定义需要继承torch.nn中的nn.Module(注意M大写)Net类包括初始化函数和forward函数两部分1)初始化init_(self): 放置有可学习参数的层(注意init前后均是两个下划线)a)对nn.Module初始化: super(Net, self)init()b)定义卷积和全连接操作(用到nn.Conv2d(), nn.Linear())2)前向操作forward(self原创 2020-05-25 10:54:42 · 227 阅读 · 0 评论 -
CV之街景字符编码识别----基于pytorch的数据读取与扩充
项目来源:https://tianchi.aliyun.com/competition/entrance/531795/informationtask参考:github链接本task主要是学习如何使用pytorch进行数据读取与扩充。常见的对图像数据的读取我们可以采用pillow和opencv库来进行。一、简单数据读取pillow读取与保存:im=Image.open("cat.jpg")im.save("cat.jpg",jpg)opencv读取:img=cv2.imread('cat原创 2020-05-23 19:03:43 · 270 阅读 · 0 评论 -
基于pytorch的 神经网络的基本框架
基于pytorch的 神经网络的基本框架:import torch as timport torchvision as tvimport torchvision.transforms as transformsfrom torch.autograd import Variableimport torch.nn as nnimport torch.nn.functional as Fimport torch.optim as optim1.定义 dataloader1)主要函数:tv原创 2020-05-23 19:03:08 · 947 阅读 · 0 评论 -
自动编码器
文章目录自动编码器原理自动编码实战全部实现代码自动编码器原理自动编码器:无监督学习的神经网络模型两部分:核心特征提取的编码部分实现数据重构的解码部分作用:实现数据的清洗,比如去除噪声数据,或者对数据的关键特征进行放大或增强实现流程:输入数据----------编码------核心特征------解码------输出自动编码实战使用自动编码器实现去除图片马赛克问题:生成一个带马赛...原创 2020-02-24 11:33:06 · 233 阅读 · 1 评论 -
pytorch之多模型融合
1. 解决神经网络耗时的方法:1.挑选结构较简单的网络层次上的神经网络参与到多模型融合2. 多模型融合+迁移学习 辅助模型的融合2.多模型融合的方法1.结果多数表决2.结果直接平均3.结果加权平均3.pytorch 之多模型融合实战(vgg16+resnet50)思路:首先构建两个卷积神经网络模型,然后使用我们的训练数据集分别对这两个模型进行训练和对参数进行优化,使用优化后的模...原创 2020-02-24 10:36:07 · 14533 阅读 · 1 评论 -
pytorch 之风格迁移
基础的风格迁移只能对其中一种风格进行迁移。该方法无法实现,需要再重新再对模型进行训练。风格迁移算法:在保证内容图像的完整性的前提下,讲风格图像的风格融入内容图像中,使得内容图像的原始风格最后发生转变,实现内容和风格的融合...原创 2020-02-18 21:35:59 · 379 阅读 · 0 评论 -
深度学习猫狗大战数据集处理7.2
猫狗大战数据集:链接:https://pan.baidu.com/s/1_qa0u-vLFx1ARmlmJ05R_w提取码:bgaoimport torchimport torchvisionimport osfrom torchvision import datasets,transformsimport timeimport matplotlib.pyplot as plt...原创 2020-02-18 19:09:50 · 834 阅读 · 1 评论 -
pytorch中搭建神经网络常用的包: torch.autograd torch.nn torch.optim
1.torch.autograd和Variabletorch.autograd包,可以使模型参数自动计算在优化过程中需要用到的梯度值,降低实现后向传播代码的复杂度。主要功能:完成神经网络后向传播的链式求导。from torch.autograd import Variable#使用 torch.autograd中的Variabe类,对tensor数据类型变量进行封装的操作x=Varia...原创 2020-02-15 20:28:36 · 527 阅读 · 0 评论 -
pytorch实现数据集下载
常用数据集:COCO,ImageNet,CIFCAR,MNISTdef_train = datasets.MNIST(root="./data/",transform=transform,train =True,download=True)def_test = datasets.MNIST(root="./data/",transform=transform,train =False)#ro...原创 2020-02-15 17:52:34 · 1935 阅读 · 0 评论