Pytorch_intro01

最新推荐文章于 2024-07-16 22:49:14 发布
最新推荐文章于 2024-07-16 22:49:14 发布
阅读量87 收藏
点赞数 1
分类专栏： pytorch基础入门 python基础学习 文章标签： pytorch 深度学习 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_67036766/article/details/129279011
版权

argmax

在经过softmax之后输出的是概率值，此时还不能真正表示最后的结果，再经过argmax函数得到概率最大值的索引，作为输出结果。
在这里插入图片描述
softmax之后或之后用argmax都行 softmax不会改变单调性
torch.eq() 返回相同的

模型训练的三种状态

欠拟合 好的拟合 过拟合

解释train validation test set的意义

如图所示，train set用来训练模型，validation set用来定期检验模型，以在选取模型最好的参数。
而test set往往应用于实际的工作，客户随机抽取数据集中一部分作为test set，为了防止模型训练时造假：将test set用于train set，这样往往可以将模型做的过拟合，使得模型的表现非常好。
在这里插入图片描述

regularization

有两个作用：在这里插入图片描述
第一部分是优化损失，提高模型性能。第二部分的是模型的参数的范数，范数越小，参数值也越小，其意义在于提高模型拟合性能的同时降低模型的复杂度，避免过拟合。如图所示，当w4 w5 w6 w7都非常小时，就可以将给定7维的模型降低至2维。

动量

其实是考虑了历史的梯度的方向 而不只考虑本次梯度的方向
在这里插入图片描述

吴骄骄骄骄骄骄骄骄～～
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
rnn pytorch_pytorch介绍rnn字符级文本生成
weixin_26712095的博客
10-13 1034
rnn pytorchToday, we’ll continue our journey through the fascinating world of natural language processing (NLP) by introducing the operation and use of recurrent neural networks to generate text from ...
pytorch文本分类_pytorch中的cnns进行文本分类
weixin_26720549的博客
09-02 2423
pytorch文本分类“Deep Learning is more than adding layers”“深度学习不仅仅是增加层次”The objective of this blog is to develop a step by step text classifier by implementing convolutional neural networks. So, this blog ...
详解softmax函数以及相关求导过
wzy的博客
03-21 6851
这几天学习了一下softmax激活函数，以及它的梯度求导过程，整理一下便于分享和交流！ softmax函数 softmax用于多分类过程中，它将多个神经元的输出，映射到（0,1）区间内，可以看成概率来理解，从而来进行多分类！ 假设我们有一个数组，V，Vi表示V中的第i个元素，那么这个元素的softmax值就是更形象的如下图表示： softmax直白来说就是将原来输出是3
【java】【31】java调用pytorch
huiyanshizhen21的博客
09-16 4609
1.下载1.4或者1.6版本 mkdir -p /opt/pytorch && cd /opt/pytorch && wget https://download.pytorch.org/libtorch/cpu/libtorch-shared-with-deps-1.4.0%2Bcpu.zip https://download.pytorch.org/libtorch/cpu/libtorch-shared-with-deps-1.6.0%2Bcpu.zip 2.解压
PyTorch Python API：Quantization || Intro
Mr_Menace的博客
11-11 2786
量化是一种以低于浮点精度的位宽，来执行张量的计算和存储的技术。量化过的模型对部分或全部 Tensor 使用整数，而不是浮点值来执行操作。这允许更紧凑的模型表示，并能在硬件平台上使用高性能 Tensor 运算。需要注意的是，目前 PyTorch 不提供 CUDA 上的量化算子的实现——也即不支持 GPU——量化后的模型将移至 CPU 上运行、测试。但是进行 QAT 时可以在 GPU 上运行。此外，PyTorch 还支持 QAT，该训练使用伪量化模块对前向和后向传递中的量化误差进行建模。
pytorch 基本操作（四）——进阶
wurobb的博客
07-30 72
进阶wheregatherRef 这节简单介绍两个并行的函数。 where where函数相当于excel里的if函数如过满足条件，则选择前项，否则后项。 import torch judge = torch.rand(2,2) judge ''' tensor([[0.1112, 0.5292], [0.1838, 0.5912]]) ''' a = torch.zeros(2,2) b = torch.ones(2,2) torch.where(judge>0.5, a, b)
intro to pytorch
weixin_43241438的博客
08-19 76
1 one hot 解决了 multi attribute 用123， 会有预测值between them 2 已知X,y np.argwher(y>1) return the indices X[np.argwhere(y>1)] return the respetive X which its according y >1
Pytorch权重初始化/参数初始化
qq_43369406的博客
06-22 728
参数初始化是很重要的工作，数据决定了梯度下降的山脉长什么样，而参数初始化决定了你从这个山的哪个合适的地方开始出发。Pytorch提供了多种初始化方法，可以搭配。常见的bulit-in初始化方法，使用自己的初始化方法进行初始化，
翻译：Pytorch MODULES
qq_42388742的博客
04-20 155
原文链接：https://pytorch.org/docs/stable/notes/modules.html#advanced-features PyTorch 使用modules来表示神经网络。模块如下: Building blocks of stateful computation. 状态计算构建块 PyTorch 提供了一个鲁棒的模块库，使得定义新的定制模块变得简单， 从而可以轻松构建复杂的多层神经网络。 Tightly integrated with PyTorch’s autograd syst
pytorch_intro_for_UIH_v0.2.pdf
07-03
intel 对 pytorch的培训资料，适合初学者
pytorch_test_intro：在pytorch中测试简介
02-23
在PyTorch中进行测试是深度学习模型开发过程中的重要环节。PyTorch作为一个灵活的深度学习框架，提供了丰富的工具和方法来支持高效且准确的模型验证和测试。本介绍将探讨如何在PyTorch中设置测试环境、设计测试集、...
image_classifier_pytorch:udacity_intro_to_ml_with_pytorch_projcet_2
03-19
使用PyTorch的图像分类器 使用PyTorch ND进行ML入门的Udacity项目2 项目描述 在该项目中，我使用深度学习训练图像分类器，以使用vg16_nb预训练模型对花朵的图像进行分类。 模式应用程序之一可能是您将智能手机指向...
PYTORCH_project
02-11
火炬pytorch_intro1： : v 8PnxJ3s3Cwo list PLHOsBEAyYj3xf4i20sCA5o8MgVW5sIiHD index pytorch_intro2： : v EMXfZB8FVUA list PLqnslRFeH2UrcDBWF5mfPGpqQDSta6VK4 씨이발다
intro_to_pytorch
04-13
《PyTorch入门指南》 PyTorch是Facebook开源的一款深度学习框架，它以其灵活性、易用性和高效性深受广大开发者喜爱。本教程基于Udacity的深度学习课程，旨在帮助初学者快速入门PyTorch，理解其核心概念和基本操作。...
在GPU上运行PyTorch
最新发布
逐梦苍穹的博客
07-16 619
如何在GPU运行PyTorch
pytorch说明
2302_80644606的博客
07-10 1418
自动求导机制，扩展torch，CUDA语义，多进程，序列化的笔记总结
【Pytorch】Conda环境下载慢换源/删源/恢复默认源
Loi_Chairmanの博客
07-11 1418
随着实验增多，需要分割创建环境的情况时有出现，在此情况下使用conda create --name xx python=3.10 pytorch torchvision pytorch-cuda -c nvidia -c pytorch -y这样的指令创建时如果不换源不翻墙，往往下载速度很慢，甚至于报错CondaHTTPError: HTTP 000 CONNECTION FAILED for url之类的情况。如果想腾讯云（下载速度快！嘛，如果对您有帮助的话就开心的复制吧，整理不易转载请注明qwq！
使用requirements.txt文件安装cuda（GPU）版本的pytorch
EstrangedZ的博客
07-14 450
使用requirements.txt和pip install -r requirements.txt 的方法安装cuda版本的pytorch
pytorch_grad_cam 下载
10-14
要下载pytorch_grad_cam，可以按照以下步骤进行操作： 1. 打开您的命令提示符（Windows系统）或终端（MacOS或Linux系统）。 2. 确保您已经安装了pip包管理器。如果没有，请先安装pip。 3. 在命令提示符或终端中输入以下命令，以通过pip来安装pytorch_grad_cam： ``` pip install pytorch-gradcam ``` 4. 等待安装完成。这可能需要一些时间，取决于您的网络连接和系统性能。 5. 安装完成后，您就可以在Python中使用pytorch_grad_cam库了。 以下是一个简单的示例代码，用于演示如何使用pytorch_grad_cam： ```python import torch from torchvision.models import resnet50 from pytorch_grad_cam import GradCAM # 加载一个预训练的ResNet-50模型 model = resnet50(pretrained=True) # 创建GradCAM对象 cam = GradCAM(model=model, target_layer=model.layer4[2]) # 定义输入图像（例如，可以使用torchvision库加载图像） input_image = torch.randn(1, 3, 224, 224) # 假设图像的大小为224x224 # 生成CAM结果 cam_image = cam(input_image) # cam_image就是生成的CAM结果图像 ``` 通过上述步骤，您可以成功下载和安装pytorch_grad_cam，并在Python中使用该库。请注意，您可能需要根据自己的项目需求进行适当的调整和修改。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值