深度之眼PyTorch训练营（第二期）笔记目录(已完结)

最新推荐文章于 2023-03-03 20:27:35 发布
置顶 最新推荐文章于 2023-03-03 20:27:35 发布
阅读量5.1k 收藏 75
点赞数 9
分类专栏： Pytorch框架（完结）
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/oldmao_2001/article/details/102811784
版权

文章目录

简介

本期训练营来自深度之眼，以下为训练营PyTorch简介中摘录：
1）上手快：PyTorch代码更简洁易读，实现时间短，只要了解它和机器学习的基础概念，就可以上手使用
2）易调试：由于PyTorch采用动态图机制，使得调试它就像调试python一样简单
3）资源多：非常干净、统一，文档化非常好，也没有大量重复的函数，目前arXiv中最新的算法大多都用pytorch实现，可以迅速的复现最新最优的算法
4）PyTorch不仅对初学者十分友好，对于研究人员以及工程师也是十分推荐学习使用，能对小规模项目等快速搞出原型。
5）因为最新算法大多用PyTorch实现，工程师们可以快速获得SOTA，同时它还拥有广泛的群众基础（github贡献者超1100位），出现问题可以发挥群众的力量去解决。

目录

01.PyTorch简介及环境配置；基础数据结构——张量
02.张量操作与线性回归；计算图与动态图机制
03.autograd与逻辑回归
04.DataLoader与Dataset;transforms与normalize
05.transforms图像增强
06.模型创建步骤与nn.Module；模型容器与AlexNet构建
07.nn网络层-卷积层-池化-线性-激活函数层
08.权值初始化；损失函数（上）
09.14种损失函数（下）；优化器（上）
10.优化器（下）
11.学习率调整策略；TensorBoard简介与安装
12.TensorBoard使用
13.hook函数与CAM可视化
14.正则化之weight_decay&Dropout
15.BN、LN、IN and GN
16.模型保存与加载、finetune
17.GPU的使用；PyTorch常见报错信息;小结
18. 图像分类、分割
19.目标检测
20.生成对抗网络
21.循环神经网络

oldmao_2000
关注
  • 9
    点赞
  • 踩
  • 75
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
专栏目录
【深度之眼】【Pytorch训练营】笔记汇总
huxw_magus的博客
08-24 763
【深度之眼】【Pytorch打卡第1天】：PyTorch简介及环境配置；PyTorch基础数据结构—张量 【深度之眼】【Pytorch打卡第2天】：张量、计算图、线性回归、逻辑回归 【深度之眼】【Pytorch打卡第3天】：DataLoader、DataSet、Transforms+划分数据集代码、构建Dataset、读取数据 【深度之眼】【Pytorch打卡第4天】：各种transforms详解 【深度之眼】【Pytorch打卡第5天】：nn.Module与网络模型构建步骤；模型容器与AlexNet构建
深度之眼PyTorch训练营（第二期）(仅供学习)
weixin_44169596的博客
01-27 1426
https://blog.csdn.net/oldmao_2001/article/details/102811784
深度之眼《Pytorch训练营》笔记
pengshuyes的专栏
01-03 988
文|Seraph 01 | Pytorch简介 Coda虚拟环境 conda create -n pytorch 创建一个名字为pytorch虚拟环境 conda activate pytorch 激活pytorch虚拟环境 conda deactivate 退出pytorch虚拟环境 安装CPU版本pytorch conda install pytorch torchvis...
[深度之眼Pytorch训练营第四期]学习笔记一：Pytorch简介及安装
ziren235的专栏
04-28 298
Pytorch安装 推荐使用Anaconda来管理pytorch等python包 由于电脑配置比较老了，原来装的是windows系统，安装的Ubuntu虚拟机比较慢，所以只好在windows下来安装环境了。使用默认的anaconda源经常会出现CondaHTTPError以及无法创建虚拟环境的问题，需要把anaconda源改为国内的清华大学镜像就可以了。可以参考[Anaconda 镜像使用...
Pytorch学习笔记（深度之眼）（8）之损失函数
liuyu的博客
12-30 268
常用损失函数 5、nn.L1Loss 6、nn.MSELoss 7、nn.SmoothL1Loss 8、nn.PoissonNLLLoss 9、nn.KLDivLoss 10、nn.MarginRankingLoss 11、nn.MultiLabelMarginLoss 12、nn.softMarginLoss 13、nn.MultiLabelSoftMarginLoss 14、nn.MultiMarginLoss 15、nn.TripleMarginLoss 16、nn.HingeEm
深度之眼Pytorch框架训练营第四期——PyTorch中的可视化工具
Ikerlz的博客
05-28 539
可视化工具TensorBoard PyTorch从 1.2.0 版本开始，正式自带内置的Tensorboard支持了，可以不再依赖第三方工具来进行可视化 Tensorboard工作原理为：先使用Python脚本记录可视化数据，然后将数据存入硬盘，最后在终端中运行tensorboard，并在Web界面进行展示 1、SummaryWriter类 class SummaryWriter(object): """Writes entries directly to event files in the
深度学习之千字pytorch笔记
最新发布
06-08
这是关于刘二老师的深度学习的pytorch markdown笔记。 笔记的内容写得极度详细，有截图刘二老师的图片来进行更清晰易懂地展示，这个笔记结合哔哩哔哩上面刘二老师的视频绝对清晰易懂。 刘二老师的每个视频内容在这个...
深度学习之pytorch_pytorch_pytorch入门_深度学习之pytorch_
10-03
深度学习之pytorch资料
深度学习入门之PyTorch代码 廖星宇
06-07
廖星宇的深度学习入门之PyTorch的所有代码
pytorch训练经典网络笔记
01-06
经典网络笔记(pytorch) 一. 深度学习基本知识 1.1 深度学习分类 深度学习分为监督学习,无监督学习，半监督学习和强化学习。其中监督学习是通过已有的训练样本去训练得到一个最优的模型，这个模型会将所有的输入映射...
pytorch学习视频百度网盘链接.txt
02-23
pytorch学习视频，2.5个G。包括 深度学习初见/ 开发环境安装/ 回归问题/ pytorch基础教程/ pytorch进阶教程/ 随机梯度下降/ 神经网络与全连接层/ 过拟合/ 卷积神经网络CNN/ CIFAR10与resnet实战/ 循环神经网络RNN&lstm/
Python-基于PyTorch的深度学习项目高级框架
08-09
用于开始深度学习项目的高级框架（轻量级，灵活且易于扩展）
365天深度学习训练营-Pytorch实战 | 第P3周：天气识别
m0_62800398的博客
03-03 181
Pytorch实战 | 第P3周：天气识别
datawhale训练营数据pytorch第一次作业
xh6312643的博客
08-07 200
1.什么是Pytorch，为什么选择Pytroch PyTorch是一个基于python的科学计算包，主要定位两类人群： NumPy的替代品，可以利用GPU的性能进行计算 深度学习研究平台拥有足够的灵活性和速度 2.Pytroch的安装 安装的参考链接为：https://pytorch.org/ 我用的是本地的windows安装方法，用的配置方法为下面的命令： 在window...
datawhale训练营数据pytorch第5次作业
xh6312643的博客
08-16 136
【Task5(2天)】PyTorch实现L1，L2正则化以及Dropout 1.了解知道Dropout原理 2.用代码实现正则化(L1、L2、Dropout） 3.Dropout的numpy实现 4.PyTorch中实现dropout 1.dropout原理 dropout的参考链接为： https://zhuanlan.zhihu.com/p/38200980 dropou...
【深度之眼】Pytorch框架班第五期-图像分类一瞥
Zero_run的博客
09-08 221
模型是如何进行图像分类的？ 图像分类的Inference（推理） 步骤： 1、获取数据与标签 2、选择模型，损失函数，优化器 3、写训练代码 4、写Inference代码 Inference代码基本步骤： 1、获取数据与模型 2、数据变换，如RGB -> 4D-Tensor 3、前向传播 4、输出保存预测结果 Inference阶段注意事项： 1、确保model处于eval状态而非training 2、设置torch.no_grad()，减少内存消耗 3、数据预处理需保持一致，RGB or rB
【深度之眼】Pytorch框架班第五期-模型创建机制
Zero_run的博客
09-04 263
调试 1、以LeNet为例，我们在第72行设置断点，并进行Debug。 2、点击C按钮进入到模型中，我们可以发现__init__（）函数构建了LeNet模型需要的子模块。 3、我们一直点击B按钮，当最后一个模块构建完成后，程序跳出，LeNet模型的初始化就完成了。模型构建完成。 4、我们将代码运行到模型训练部分的97行，此处我们对模型输入了inputs,输出outputs。 5、点击C按钮进入该行代码，此时我们进入module.py文件中的Module类的__call__()函数中，因为LeNe.
【深度之眼PyTorch框架班第五期】作业打卡01：PyTorch简介及环境配置；PyTorch基础数据结构——张量
AceBBang的博客
07-21 563
文章目录任务名称任务简介详细说明作业1. 安装anaconda,pycharm, CUDA+CuDNN（可选），虚拟环境，pytorch，并实现hello pytorch查看pytorch的版本安装Anaconda下载安装包安装检查安装结果添加镜像源创建环境安装PyCharm下载安装包激活汉化安装CUDA和CuDNN检查pytorch支持的cuda版本下载cuda安装包下载cudnn安装包安装检查安装结果安装PyTorch下载对应版本的安装包用命令行安装检查安装结果2. 张量与矩阵、向量、标量的关系
【深度之眼】Pytorch框架班第五期-Tensorboard界面使用详解
Zero_run的博客
09-09 397
import numpy as np # SummaryWriter用来创建一个writer，可以记录我们想要可视化的数据。 from torch.utils.tensorboard import SummaryWriter writer = SummaryWriter(comment='tensorboard_818') for x in range(100): # 曲线名称，y轴，x轴 writer.add_scalar('y=2x', x * 2, x) writer.add.
深度之眼pytorch
09-14
深度之眼是PyTorch中的一个概念，它指的是通过神经网络模型对输入数据进行高级的特征提取和分析的能力。在PyTorch中，可以使用torch库中的一些函数来创建深度之眼。 torch.normal()函数用于从正态分布中生成随机数...

“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 3
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

打赏作者

oldmao_2000

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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