![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
pytorch
I Am Rex
24届毕业生,it工程师
展开
-
01.22 pytorch学习( 利用GPU训练)
有两个方法可以使用GPU训练文章目录cuda方法device方法总结cuda方法torch给我们提供了cuda的方法,可以将训练的模型加载到显卡上可以在GPU上训练的数据有:1.网络模型2.数据3.损失函数源代码:import torchimport torchvision.datasetsimport torch.nn as nnfrom torch.nn import Sequential, Conv2d, MaxPool2d, Flatten, Linearfrom.原创 2022-01-22 13:00:32 · 1133 阅读 · 0 评论 -
01.18/19 pytorch学习(完整的模型训练套路(二))
昨天的模型已经差不多了,现在对这个模型做一些优化模型的保存torch.save(tudui,"./tudui_train/tudui_{}.pth".format(i))模型的正确率原理:加入有两个输入,argmax(0 or 1)可以直接找到行最大值(1)或列最大值(0)代码: accuracy = (output.argmax(1) == targets).sum() total_test_accuracy = total_test_accuracy + accuracy p原创 2022-01-19 11:37:04 · 719 阅读 · 0 评论 -
01.17 pytorch学习(完整的模型训练套路(一))
import torchimport torchvision.datasetsimport torch.nn as nnfrom torch.nn import Sequential, Conv2d, MaxPool2d, Flatten, Linearfrom torch.utils.data import DataLoaderfrom torch.utils.tensorboard import SummaryWriterclass Tudui(nn.Module): def _原创 2022-01-18 17:46:42 · 688 阅读 · 0 评论 -
01.16 pytorch学习(网络模型的保存与读取)
总所周知我们写的网络可以写在一个python文件中,通过包导入。但也可以手动保存torch提供了save的方法可以保存网络两种保存方式1.存取网络结构和参数2.存取网络参数保存方式import torchimport torchvisionimport torch.nn as nn#True为加载已经训练的参数vgg16 = torchvision.models.vgg16(pretrained=True)#已有网络#保存方式1,模型结构+模型参数torch.save(vg原创 2022-01-18 17:40:56 · 1080 阅读 · 0 评论 -
01.15 pytorch学习(现有网络模型的使用及修改)
pytorch中有很多已经训练好的数据集我们以VGG为例:可以看到VGG的训练了ImageNet图像数据集下面代码演示(因为下载ImageNet数据集太吃力,所以演示如何修改这些已有的数据集。其余见代码注释):import torchvision.datasetsimport torch.nn as nn#这个数据集(ImageNet)没有提供像前面数据集的自动下载功能,因为数据集太大了(100多g),需要自己到网络上下载#train_data = torchvision.dataset原创 2022-01-15 20:00:46 · 434 阅读 · 0 评论 -
01.13 pytorch学习(优化器)
我们学习如何优化一个神经网络的参数代码:import torchimport torch.nn as nnimport torchvisionfrom torch.utils.data import DataLoaderfrom torch.nn import Conv2d, MaxPool2d, Flatten, Linear, Sequentialdataset = torchvision.datasets.CIFAR10("./dataset2", train=True, tran.原创 2022-01-13 19:49:39 · 287 阅读 · 0 评论 -
01.12 pytorch学习(损失函数与反向传播)
文章目录损失函数损失函数我们称作神经网络的预测值的错误率(非百分比)为损失函数计算损失值的方法不一样,torch.nn里面提供了多种损失函数这里不得不提一下,据我所知,在线性激活函数过后,得到一组一维数组,值对应的是网络预测的每个类别的概率。举个例子[0.1,0.2,0.3]那么这个数据最有可能是target=2(下标从0开始)用代码来演示一下损失函数import torchfrom torch.nn import L1Loss,MSELoss,CrossEntropyLoss原创 2022-01-12 20:25:05 · 573 阅读 · 0 评论 -
01.08 pytorch学习(神经网络-非线性激活)
非线性激活函数如果有过深度学习的基础就很好理解了下面只介绍如何使用,和样例演示import torchimport torchvision.datasetsfrom torch import nnfrom torch.nn import ReLUfrom torch.utils.data import DataLoaderfrom torch.utils.tensorboard import >SummaryWriterx = torch.tensor([[-1,2],原创 2022-01-08 23:39:15 · 526 阅读 · 0 评论 -
01.07 pytorch学习(神经网络-最大池化的使用)
什么是池化就是降低图像分辨率,比如一个3x3的池化操作(如下),会每3x3取其中的最大值相关代码import torchinput = torch.tensor([[1,2,0,3,1], [0,1,2,3,1], [1,2,1,0,0], [5,2,3,1,1], [2,1,0,1,1]], dtype=torch.float.原创 2022-01-07 16:08:21 · 717 阅读 · 0 评论 -
01.06 pytorch学习( torchvision中的数据集使用,DataLoader的使用,神经网络的基本骨架-nn.Module的使用,神经网络-卷积层)
1.torchvision中的数据集使用pytorch提供了torchvision(数据集)使用方法:import torchvision#参数说明:#root:数据集存放目录#train:是否是训练集,false为测试集#download:是否自动下载,一般为Truetrain_set = torchvision.datasets.CIFAR10(root="./dataset2",train=True,download=True)test_set = torchvision.原创 2022-01-06 19:56:54 · 420 阅读 · 0 评论 -
12.26 pytorch学习(transfroms工具的使用)
文章目录ToTensor()Compose()Resize()Normalize()ToTensor()ToTensor顾名思义就是将数据类型转换为Tensor的格式,支持的参数有PIL,NdArray(numpy)使用方法:tensor = transforms.ToTensor()tensor_img = tensor(img)先实例化再调用,可见此处用了__call__的魔法方法Compose()译为组合,可以将多个Transforms的工具组合一起使用,使用方法见Resi原创 2021-12-27 12:39:57 · 1844 阅读 · 0 评论 -
12.13 pytorch学习(tensorboard的使用)
代码:from torch.utils.tensorboard import SummaryWriter#SummaryWriter文件可视化import numpy as npfrom PIL import Image#文件夹为logswriter = SummaryWriter("logs")Image_path = "dataset\\train\\ants\\0013035.jpg"img_PIL = Image.open(Image_path)img_array = np.ar原创 2021-12-14 11:18:55 · 2024 阅读 · 0 评论 -
12.11 pytorch学习(dataset获取数据集方法)
前提准备:蚂蚁蜜蜂数据集程序:from torch.utils.data import Datasetimport osfrom PIL import Imageclass Mydata(Dataset): def __init__(self, root_dir, label_dir): self.root_dir = root_dir self.label_dir = label_dir self.path = os.path.join原创 2021-12-12 11:21:38 · 1228 阅读 · 0 评论 -
12.10 pytorch学习(conda常用指令与说明)
前提环境conda文章目录一、 conda操作指令:二、 说明一、 conda操作指令:conda create -n pytorch python=3.6指定版本,conda会在这个仓库(pytorch)安装3.6版本的pythonconda activate pytorch切换仓库为pytorchconda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch当前仓库安装pytorch c原创 2021-12-10 20:18:40 · 1149 阅读 · 0 评论 -
pytorch框架使用基础1
代码教程:https://www.bilibili.com/video/BV1nV41177koimport torchimport torch.nn as nnimport numpyfrom torch import tensorx = torch.empty(5,3)#创建一个shape(5,3)的0tensorprint(x)y = torch.rand(5,3)#创建一个shape(5,3)的随机tensorprint(y) #输出为tensor,tensor是一个框架,也是原创 2021-11-28 21:01:51 · 872 阅读 · 0 评论