pytorch_人工智能博客-专业IT技术发表平台

推荐付费专栏 VIP文章

GeoOpt: Riemannian Optimization in PyTorch GeoOpt: Riemannian Optimization in PyTorch geoopt Riemannian Adaptive Optimization Methods with pytorch optim 项目地址:...

阅读 820

12赞

【图像去噪】论文复现：新手入门必看！DnCNN的Pytorch源码训练测试全流程解析！为源码做详细注释！补充DnCNN-B和DnCNN-3的模型训练和测试！附各种情况下训练好的模型权重文件！ - 以官方Pytorch源代码为基础，在DnCNN-S的基础上，增添DnCNN-B/CDnCNN-B、DnCNN-3模型训练和测试复现，代码注释非常详细，无论是科研还是应用，新手小白都能看懂，学习阅读毫无压力，去噪入门必备，适用于去噪、超分、JPEG去块任务； - 提供新增后的完整代码和训练好的模型权重文件，模型性能与论文中近似，可不训练直接测试； - 理论和源码结合，进一步加深理解算法原理、明确训练和测试流程 - 更换路径和相关参数即可训练自己的图像数据集

阅读 1.1w

146赞

一支王同学

Linux服务器配置Anaconda环境、Pytorch库（图文并茂的教程）内容主要包括：管理员分配并登录账号、配置Anaconda环境、使用Anaconda的简易教程、使用Anaconda的进阶教程、安装Pytoch库

阅读 1.7k

23赞

大大大反派

深度学习三大框架对比与实战：PyTorch、TensorFlow 和 Keras 全面解析 PyTorch 是 Facebook 推出的动态计算图框架，以灵活的调试能力和面向对象的设计深受研究人员喜爱。其代码风格与 Python 十分相似，非常直观。主要特点：动态计算图：支持即时调整网络结构，调试更加灵活。社区支持：在学术领域占据主流地位。简单易用：轻松与其他 Python 库集成，如 Numpy。PyTorch以灵活性和动态特性，适合研究人员。TensorFlow提供全面的工具链和部署能力，是工业级开发的首选。Keras以其简单性和模块化设计，非常适合新手入门和快速原型。

阅读 2.6k

100赞

明明跟你说过

深度学习常见框架：TensorFlow 与 PyTorch 简介与对比本文系统介绍了当前深度学习领域最主流的两个框架 —— TensorFlow 与 PyTorch。文章从发展背景、核心理念、主要组件、应用场景等方面，逐一解析它们的特性与差异，帮助读者全面了解各自的优势与使用场景。重点内容包括：✅ TensorFlow 由 Google 推出，具备强大的工程部署能力，适合大规模模型训练与跨平台部署；🔶 PyTorch 源于 Meta（Facebook），以灵活易用、Pythonic 编程体验著称，广受研究与教育界青睐；🔍 对比了二者在计算图结构、调试体验、

阅读 3.1k

90赞

深度强化学习 | 基于SAC算法的移动机器人路径跟踪(附Pytorch实现) 软性演员-评论家(Soft Actor-Critic, SAC)算法是基于最大熵原理的离线策略方法，本节将基于深度强化学习中的SAC算法实现移动机器人的路径跟踪，介绍网络设计、动作空间设计和奖励函数设计，并提供Pytorch实现加深理解

阅读 1.8k

84赞

【图像超分】论文复现：新手入门！Pytorch实现SRCNN，数据预处理、模型训练、测试、评估全流程详解，注释详细，简单修改就可以训练你自己的图像数据，有训练好的模型下载地址，随取随用【图像超分】论文精读：Image Super-Resolution Using Deep Convolutional Networks（SRCNN）请配合上述论文精读文章使用，效果更佳！图像超分辨率SRCNN和FSRCNN复现代码，除基本的网络实现外，还有特征图可视化，PSNR曲线图可视化，测试自己的图像数据等不想理解原理，希望直接跑通然后应用到自己的图像数据的同学，请直接下载上面的代码，有训练好的模型，直接用即可。具体使用方式见代码中的README！有问题来本文评论区留言！准备数据集，以及数据预处理。

阅读 1.9w

70赞

PyTorch终极安装指南：CPU/GPU双版本+环境配置全攻略最后一条命令设置在安装包时显示所使用的镜像源 URL，当然你也可以忽略这几条指令，不用管这一步骤，但是后面使用 conda 下载安装库的时候可能会比较慢，上面的指令直接在终端一一敲入即可，没有太多需要注意的地方，这里不做过多的解释，如果有不懂的，可以在评论区发出来，我看到会及时解答。通过以上步骤判断好了自己电脑是否有GPU，就可以通过后面的步骤安装适合自己电脑的版本，我GPU和CPU版本的安装都做了，所以大家注意甄别，不带说明的，是都要进行的操作。选择好路径之后，点击Next。

阅读 4.7k

90赞

热爱生活的猴子

一个完整的神经网络训练流程详解（附 PyTorch 示例）一个完整的神经网络训练流程详解

阅读 1.7k

19赞

【深度学习】自注意力机制&多头自注意力机制：技术背景、原理分析及基于Pytorch的代码实现（1）自注意力机制是一种将单个序列内不同位置相关联的注意力机制，以便计算序列的表示，即，使得每个位置的表示不仅依赖于该位置的信息，还能考虑到序列中其它位置的信息，从而能够快速捕捉长距离依赖关系。（2），同时将输入序列有助于增强模型的特征表达能力。（3）自注意力机制不依赖序列的顺序处理，可以一次性计算整个序列，得以在训练和推理时进行，从而大大提高了计算效率。（4）不仅适用于文本序列，也可以应用于图像、音频等不同类型的数据。

阅读 1.1k

10赞

开发小能手-roy

PyTorch 强化学习（Reinforcement Learning）详细介绍 PyTorch 中强化学习（Reinforcement Learning, RL）的详细介绍，涵盖核心概念、经典算法、实现方法及代码示例

阅读 894

27赞

pytorch中Conv1d、Conv2d与Conv3d详解 CNN是深度学习的重中之重，而conv1D，conv2D，和conv3D又是CNN的核心，所以理解conv的工作原理就变得尤为重要。

阅读 3.0w

80赞

PyTorch 实战：从 0 开始搭建 Transformer GCT 建议添加在 Conv 层前，一般可以先冻结原来的模型，来训练 GCT，然后解冻再进行微调。

阅读 1.5k

22赞

电竞小潘安

PyTorch序列预测实战：RNN、LSTM、GRU模型构建本文还有配套的精品资源，点击获取简介：自然语言处理中的序列预测是关键任务，需要对数据序列建模预测未来元素。本项目通过PyTorch框架，实现三种递归神经网络变体：RNN、LSTM、GRU。这些模型在文本和时间序列数据上表现优异。项目涵盖数据预处理、模型定义、训练过程、评估与验证、测试与应用等关键环节。源代码文件包含了实现这些步骤的详细代码，有助于提升PyTorch技能并深...

阅读 2.3k

30赞

【PyTorch】torch.sum() 函数：对张量进行求和 torch.sum() 是 PyTorch 中用于对张量进行求和的函数，可对所有元素求和，也可在指定维度上求和。基本语法：torch.sum(input, dim=None, keepdim=False, dtype=None)，input Tensor 要进行求和的张量，dim int 或 tuple of int 指定在哪个维度上求和（默认对所有元素求和），keepdim bool 是否保留被压缩的维度（默认 False），dtype torch.dtype 指定输出的数据类型（默认和输入相同）

阅读 692

8赞

源代码杀手

【新方法】通过清华镜像源加速 PyTorch GPU 2.5安装及 CUDA 版本选择指南设置镜像源通过命令，将pip默认的包源更改为清华镜像源，能够有效加速包的下载速度，尤其是对于在中国大陆的用户。使用清华镜像源的好处是，它提供了本地化的源，减少了跨境访问的延迟。安装 PyTorch 等库使用命令安装指定版本的 PyTorch 相关库，并通过指定官方源（如 CUDA 11.8 版本的 PyTorch）。通过这种方式，你可以确保安装的是兼容你机器的 CUDA 版本的 PyTorch，从而能够利用 GPU 提升计算性能。

阅读 9.4k

21赞

pytorch中的TensorDataset和DataLoader 用于将多个Tensor组合在一起，方便对数据进行统一处理。可以组合特征和标签。可以组合多个特征张量。DataLoader用于批量加载数据，支持多种数据处理功能。支持批量处理数据。支持数据打乱。支持多线程加载。

阅读 1.3k

23赞

第P1周学习打卡：Pytorch实现mnist手写数字识别 MNIST 是经典的手写数字识别数据集，包含 0~9 共 10 个类别的灰度图像，每张图为 28×28 像素，具有显著的教学与研究价值。本项目基于 PyTorch 框架，使用卷积神经网络（CNN）对 MNIST 数据进行分类识别，完整实现了从数据加载、模型搭建、训练测试到结果可视化的全过程。掌握了 PyTorch 的基本使用流程：模型定义 → 损失函数 → 优化器 → 数据迭代 → 模型保存理解了卷积神经网络的结构及其在图像分类中的优势学会了如何评估模型训练效果，并通过可视化辅助分析训练过程。

阅读 941

12赞

PyTorchPipe 项目常见问题解决方案 PyTorchPipe 项目常见问题解决方案 pytorchpipe PyTorchPipe (PTP) is a component-oriented framework for rapid prototyping and training of computational pipelines combining vi...

阅读 844

22赞

解决Linux服务器上下载pytorch速度过慢的问题 torch-1.13.1+cu116-cp311-cp311-linux_x86_64.whl 注意cp311中的311指的是python版本，也需要与自己的python匹配，比如我的是3.8，我在Linux服务器中使用如下指令, 直接从指定的 URL 下载。需要下载的是GPU版本的pytorch，版本torch=1.13.1+cu116。ps:也可以使用其他下载器（如迅雷）通过镜像网站手动下载.whl文件到本地，然后。使用这种方式会从两个网址中查找安装包，清华源不存在安装包，仍然从官方下载。

阅读 2.3k

10赞

作者推荐

夏天是冰红茶: 考研上岸，恢复更新

关注

使者大牙: 双985硕，自动驾驶系统集成高级工程师，汽车研发从业7→8年，致力发展深度学习。

关注

这个男人是小帅: 求其上,得其中;求其中,得其下,求其下,必败。

关注

智算学术: 985人工智能硕士/大厂算法工程师公众号:智算学术

关注

班长我是读书人: 北京打工人

关注

飞雪白鹿€: 北京邮电大学在读博士,个人主页：www.liyangbupt.com

关注

Dawn³: 数学进圈，AI进阶小小只，day-to-day coding 喜欢实操

关注

四口鲸鱼爱吃盐: 但行好事

关注

L Jiawen: Just keep coding ...

关注

wyw0000: 勤奋好学、正直

关注