pytorch学习
文章平均质量分 80
不会写代码的嘤嘤
这个作者很懒,什么都没留下…
展开
-
【偷偷卷死小伙伴Pytorch20天-day16-损失函数】
一般来说,监督学习的目标函数由损失函数和正则化项组成。(Objective = Loss + Regularization)Pytorch中的损失函数一般在训练模型时候指定。注意Pytorch中内置的损失函数的参数和tensorflow不同,是y_pred在前,y_true在后,而Tensorflow是y_true在前,y_pred在后。对于回归模型,通常使用的内置损失函数是均方损失函数nn.MSELoss 。对于二分类模型,通常使用的是二元交叉熵损失函数nn.BCELoss (输入已经是sigmo原创 2022-03-10 20:14:39 · 343 阅读 · 0 评论 -
【偷偷卷死小伙伴Pytorch20天-day15-模型层】
深度学习模型一般由各种模型层组合而成。torch.nn中内置了非常丰富的各种模型层。它们都属于nn.Module的子类,具备参数管理功能。例如:nn.Linear, nn.Flatten, nn.Dropout, nn.BatchNorm2dnn.Conv2d,nn.AvgPool2d,nn.Conv1d,nn.ConvTranspose2dnn.Embedding,nn.GRU,nn.LSTMnn.Transformer如果这些内置模型层不能够满足需求,我们也可以通过继承原创 2022-03-02 11:56:19 · 381 阅读 · 0 评论 -
【偷偷卷死小伙伴Pytorch20天-day14-Dataset和DataLoader】
今天是pytorch学习的第14天,前面了解的流程逐渐清晰了Pytorch通常使用Dataset和DataLoader这两个工具类来构建数据管道。Dataset定义了数据集的内容,它相当于一个类似列表的数据结构,具有确定的长度,能够用索引获取数据集中的元素。而DataLoader定义了按batch加载数据集的方法,它是一个实现了__iter__方法的可迭代对象,每次迭代输出一个batch的数据。DataLoader能够控制batch的大小,batch中元素的采样方法,以及将batch结果整理成模.原创 2022-02-28 18:09:01 · 481 阅读 · 0 评论 -
【偷偷卷死小伙伴Pytorch20天-day13-nn.functional 和 nn.Module】
一,nn.functional 和 nn.Module前面我们介绍了Pytorch的张量的结构操作和数学运算中的一些常用API。利用这些张量的API我们可以构建出神经网络相关的组件(如激活函数,模型层,损失函数)。Pytorch和神经网络相关的功能组件大多都封装在 torch.nn模块下。这些功能组件的绝大部分既有函数形式实现,也有类形式实现。其中nn.functional(一般引入后改名为F)有各种功能组件的函数实现。例如:(激活函数)F.reluF.sigmoidF.tanhF.s原创 2022-02-27 17:31:49 · 157 阅读 · 0 评论 -
【偷偷卷死小伙伴Pytorch20天-day12-张量的数学运算】
张量的操作主要包括张量的结构操作和张量的数学运算。张量结构操作诸如:张量创建,索引切片,维度变换,合并分割。张量数学运算主要有:标量运算,向量运算,矩阵运算。另外我们会介绍张量运算的广播机制。本篇我们介绍张量的数学运算。一、标量运算张量的数学运算符可以分为标量运算符、向量运算符、以及矩阵运算符。加减乘除乘方,以及三角函数,指数,对数等常见函数,逻辑比较运算符等都是标量运算符。标量运算符的特点是对张量实施逐元素运算。有些标量运算符对常用的数学运算符进行了重载。并且支持类似numpy的广播特性。转载 2022-02-26 16:56:17 · 132 阅读 · 0 评论 -
【偷偷卷死小伙伴Pytorch20天-day11-张量的结构操作】
张量的操作主要包括张量的结构操作和张量的数学运算。张量结构操作诸如:张量创建,索引切片,维度变换,合并分割。张量数学运算主要有:标量运算,向量运算,矩阵运算。另外我们会介绍张量运算的广播机制。本篇我们介绍张量的结构操作。一、创建张量张量创建的许多方法和numpy中创建array的方法很像。import numpy as npimport torch a = torch.tensor([1,2,3],dtype = torch.float)print(a)b = torch.aran原创 2022-02-24 17:34:08 · 821 阅读 · 0 评论 -
【偷偷卷死小伙伴Pytorch20天-day10-高阶API示范】
今天是pytorch学习打卡的第十天。。。Pytorch没有官方的高阶API,一般需要用户自己实现训练循环、验证循环、和预测循环。作者通过仿照tf.keras.Model的功能对Pytorch的nn.Module进行了封装,实现了 fit, validate,predict, summary 方法,相当于用户自定义高阶API。并在其基础上实现线性回归模型和DNN二分类模型。import osimport datetimefrom torchkeras import Model, summa.原创 2022-02-23 17:21:33 · 394 阅读 · 0 评论 -
【偷偷卷死小伙伴Pytorch20天-day09-中阶API示范】
昨天生病了耽误了一天,今天继续pytorch学习第九天打卡下面的范例使用Pytorch的中阶API实现线性回归模型和和DNN二分类模型。Pytorch的中阶API主要包括各种模型层,损失函数,优化器,数据管道等等。import osimport datetime#打印时间def printbar(): nowtime = datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S') print("\n"+"==========".转载 2022-02-22 14:50:27 · 159 阅读 · 0 评论 -
【偷偷卷死小伙伴Pytorch20天-day08-低阶API示范】
今天是pytorch学习的第八天,进入第二阶段下面的范例使用Pytorch的低阶API实现线性回归模型和DNN二分类模型。低阶API主要包括张量操作,计算图和自动微分。import osimport datetime#打印时间def printbar(): nowtime = datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S') print("\n"+"=========="*8 + "%s"%nowtime)一、.原创 2022-02-20 17:35:22 · 776 阅读 · 0 评论 -
【偷偷卷死小伙伴Pytorch20天-day07-动态计算图】
今天是pytorch学习打卡的第七天,冲冲冲!!本节我们将介绍 Pytorch的动态计算图。包括:动态计算图简介计算图中的Function计算图和反向传播叶子节点和非叶子节点计算图在TensorBoard中的可视化一、动态计算图简介Pytorch的计算图由节点和边组成,节点表示张量或者Function,边表示张量和Function之间的依赖关系。Pytorch中的计算图是动态图。这里的动态主要有两重含义。第一层含义是:计算图的正向传播是立即执行的。无需等待完.原创 2022-02-19 16:51:23 · 1410 阅读 · 0 评论 -
【偷偷卷死小伙伴Pytorch20天-day06-自动微分机制】
神经网络通常依赖反向传播求梯度来更新网络参数,求梯度过程通常是一件非常复杂而容易出错的事情。而深度学习框架可以帮助我们自动地完成这种求梯度运算。 Pytorch一般通过反向传播 backward 方法 实现这种求梯度计算。该方法求得的梯度将存在对应自变量张量的grad属性下。 除此之外,也能够调用torch.autograd.grad 函数来实现求梯度计算。这就是Pytorch的自动微分机制。一、利用backward方法求导数backward 方法通常在一个标量张量上调用,该方法求得的梯度将存在对应.原创 2022-02-18 17:42:53 · 143 阅读 · 0 评论 -
【偷偷卷死小伙伴Pytorch20天-day05-张量数据结构】
今天是pytorch学习打卡的第五天,终于开始基础了,加油!Pytorch的基本数据结构是张量Tensor。张量即多维数组。Pytorch的张量和numpy中的array很类似。本节我们主要介绍张量的数据类型、张量的维度、张量的尺寸、张量和numpy数组等基本概念。1.张量的数据类型张量的数据类型和numpy.array基本一一对应,但是不支持str类型。包括:torch.float64(torch.double),torch.float32(torch.float),tor.原创 2022-02-18 11:57:41 · 125 阅读 · 0 评论 -
【偷偷卷死小伙伴Pytorch20天-day04-时间序列数据建模流程范例】
今天是pytorch学习打卡的第四天,加油!2020年发生的新冠肺炎疫情灾难给各国人民的生活造成了诸多方面的影响。有的同学是收入上的,有的同学是感情上的,有的同学是心理上的,还有的同学是体重上的。本文基于中国2020年3月之前的疫情数据,建立时间序列RNN模型,对中国的新冠肺炎疫情结束时间进行预测。import osimport datetimeimport importlib import torchkeras#打印时间def printbar(): nowtime = d.原创 2022-02-16 19:05:47 · 272 阅读 · 0 评论 -
【偷偷卷死小伙伴Pytorch20天-day03-文本数据建模流程范例】
今天是pytorch学习打卡的第三天,加油!1.数据准备imdb数据集的目标是根据电影评论的文本内容预测评论的情感标签。训练集有20000条电影评论文本,测试集有5000条电影评论文本,其中正面评论和负面评论都各占一半。文本数据预处理较为繁琐,包括中文切词(本示例不涉及),构建词典,编码转换,序列填充,构建数据管道等等。在torch中预处理文本数据一般使用torchtext或者自定义Dataset,torchtext功能非常强大,可以构建文本分类,序列标注,问答模型,机器翻译等NLP任务的数据.转载 2022-02-15 10:58:22 · 120 阅读 · 0 评论 -
【偷偷卷死小伙伴Pytorch20天-day02-图片数据建模流程范例】
今天是pytorch学习打卡的第二天,加油!!训练过程中打印训练时间import osimport datetime#打印时间def printbar(): nowtime = datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S') print("\n"+"=========="*8 + "%s"%nowtime)1.准备数据cifar2数据集为cifar10数据集的子集,只包括前两种类别airplane和automo.原创 2022-02-14 17:16:27 · 158 阅读 · 0 评论 -
【偷偷卷死小伙伴Pytorch20天-day01-结构化数据建模流程范例】
目录1.准备数据2.定义模型3.训练模型4.模型评估5.使用模型6.模型保存小结import osimport datetime#打印时间def printbar(): nowtime = datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S') print("\n"+"=========="*8 + "%s"%nowtime)利用datetime模块的now函数来获取当前时间并通过strftime进行格式化输出1.准备数据原创 2022-02-13 17:43:59 · 904 阅读 · 0 评论 -
【偷偷卷死小伙伴Pytorch20天-day00-pytorch入门】
今天开始用二十天的时间来学习一下pytorch,加油!!!一、Pytorch是什么??Pytorch是一个基于Python的机器学习库。它广泛应用于计算机视觉,自然语言处理等深度学习领域。是目前和TensorFlow分庭抗礼的深度学习框架,在学术圈颇受欢迎。它主要提供了以下两种核心功能:1,支持GPU加速的张量计算。2,方便优化模型的自动微分机制。二、Pytorch的主要优点??1.简洁易懂Pytorch的API设计的相当简洁一致。基本上就是tensor, autograd,.原创 2022-02-12 20:04:37 · 1039 阅读 · 0 评论