Pytorch简明教程
钱彬 (Qian Bin)
18年博士毕业于南京理工大学模式识别专业,图像处理算法工程师,研究方向:深度学习、人像处理。著有《python web开发从入门到实战》书籍,今年即将出版《深度学习与图像处理(PaddlePaddle)》一书,感谢支持!
展开
-
在ubuntu中停止英伟达显卡运行
在使用pytorch分布式框架进行运算时,可能会出现停止后英伟达显卡没释放的现象,这时候就可以采用下面的方式进行清除:kill -9 1495原创 2020-11-13 17:26:28 · 1415 阅读 · 0 评论 -
pytorch导入tensorboard出错的解决方法
pytorch在1.1版本以后开始支持tensorboard,即不需要安装tensorflow也可以使用tensorboard,但是最近在使用命令:from torch.utils.tensorboard import SummaryWriter出现了下述错误:ModuleNotFoundError: No module named 'tensorboard'原因主要是高版本的Pytorch需要安装额外的依赖才能稳定支持tensorboard,具体如下:pip3 install t原创 2020-11-01 10:50:32 · 5674 阅读 · 9 评论 -
面向Windows的Pytorch完整安装教程
目录1. 概述2. 安装2.1 安装cuda2.2 安装cudnn2.3 安装Pytoch2.4验证1. 概述PyTorch是一个开源的Python机器学习库,其前身是著名的机器学习库Torch。2017年1月,由Facebook人工智能研究院(FAIR)基于Torch推出了PyTorch,它是一个面向Python语言的深度学习框架,不仅能够实现强大的GPU...原创 2020-02-10 14:18:48 · 38024 阅读 · 43 评论 -
基于Windows平台在C++中调用Pytorch模型并实现MFC集成(以MNIST手写体数字识别为例)——附完整代码和数据
本教程将完整的记录使用pytorch从模型训练到模型调用(基于Python),再通过libtorch转成C++调用(基于win32 C++控制台程序),最终集成到MFC程序中来,这样就可以完整的在Windows下走通 AI 算法建模到生产级部署的全部流程。基本配置环境如下:Python版本:Python 3.6.1Pytorch版本:1.2.0Libtorch:1.3操作系统:...原创 2019-11-06 16:12:23 · 5784 阅读 · 24 评论 -
5 Pytorch实例——使用卷积神经网络进行MNIST识别
import torch import torch.nn as nnimport torchvisionimport torchvision.transforms as transforms# 设备配置device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')# 超参数设置num_epochs =...原创 2019-05-17 17:09:57 · 861 阅读 · 0 评论 -
4 Pytorch实例——使用全连接神经网络和GPU训练MNIST
import torchimport torch.nn as nnimport torchvisionimport torchvision.transforms as transforms# 设备配置(如有GPU,则使用GPU进行加速)device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')# 定义...原创 2019-05-17 16:04:36 · 3566 阅读 · 0 评论 -
3 Pytorch实例——基于Logistic 回归的手写体数字识别
import torchimport torch.nn as nnimport torchvisionimport torchvision.transforms as transforms# 设置超参数 input_size = 784 #手写体数据集每张图像分辨率为 28*28=784num_classes = 10 #数据集共10个类别,表示数字 0~9num_ep...原创 2019-05-17 15:30:59 · 974 阅读 · 0 评论 -
2 Pytorch实例——线性回归
import torchimport torch.nn as nnimport numpy as npimport matplotlib.pyplot as plt# 设置超参数 Hyper-parametersinput_size = 1output_size = 1num_epochs = 60learning_rate = 0.001# 生成训练数据x_train...原创 2019-05-17 14:39:00 · 1279 阅读 · 0 评论 -
1.6 Pytorch基础——加载预训练模型
import torchimport torchvisionimport torch.nn as nnimport numpy as npimport torchvision.transforms as transforms# 下载并加载预训练模型 ResNet-18.resnet = torchvision.models.resnet18(pretrained=True)# ...原创 2019-05-17 14:05:00 · 1146 阅读 · 0 评论 -
1.5 Pytorch基础——读取定制化数据集
import torchimport torchvisionimport torch.nn as nnimport numpy as npimport torchvision.transforms as transforms# 为自己的数据集创建定制化类.class CustomDataset(torch.utils.data.Dataset): def __init__(...原创 2019-05-17 13:56:56 · 866 阅读 · 0 评论 -
1.4 Pytorch基础——Cifar10数据读取
import torchimport torchvisionimport torch.nn as nnimport numpy as npimport torchvision.transforms as transforms# 下载CIFAR-10数据集到当前data文件夹中train_dataset = torchvision.datasets.CIFAR10(root='dat...原创 2019-05-17 13:47:42 · 5009 阅读 · 0 评论 -
7 pytorch实例——tensorboard使用
由于需要使用tensorboard,因此需要先安装tensorflow主程序 main.py 文件如下:import torchimport torch.nn as nnimport torchvisionfrom torchvision import transformsfrom logger import Logger# GPU设置device = torch.dev...原创 2019-05-21 08:38:15 · 4559 阅读 · 4 评论 -
1.3 Pytorch基础——tensor与numpy数组转换
import torchimport torchvisionimport torch.nn as nnimport numpy as npimport torchvision.transforms as transforms# 创造一个numpy数组x = np.array([[1, 2], [3, 4]]) # 2行2列print(x) # 转化numpy数组为tor...原创 2019-05-15 12:54:06 · 3882 阅读 · 0 评论 -
1.2 Pytorch基础——自动求导实例2
import torchimport torchvisionimport torch.nn as nnimport numpy as npimport torchvision.transforms as transforms# 创建张量x = torch.randn(10, 3) #10行3列 训练数据,每行一个样本y = torch.randn(10, 2) #10行2列...原创 2019-05-15 12:37:05 · 465 阅读 · 0 评论 -
1.1 Pytorch基础——自动求导实例1
import torchimport torchvisionimport torch.nn as nnimport numpy as npimport torchvision.transforms as transforms# 创建张量.x = torch.tensor(1., requires_grad=True)w = torch.tensor(2., requires_gr...原创 2019-05-15 12:23:29 · 506 阅读 · 0 评论 -
6 Pytorch实例——多GPU训练CIFAR10数据集(基于深度Resnet网络)
import torchimport torch.nn as nnimport torchvisionimport torchvision.transforms as transforms# GPU设置(没有GPU就用cpu进行运算)device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')# ...原创 2019-05-20 09:42:46 · 2067 阅读 · 0 评论