Pytorch学习笔记
文章平均质量分 56
酒与花生米
这个作者很懒,什么都没留下…
展开
-
随机森林的REF递归特征消除法来筛选特征(python实现不依赖sklearn)
随机森林的REF递归特征消除法来筛选特征原创 2023-03-06 14:44:43 · 5220 阅读 · 2 评论 -
t-SNE算法可视化数据和卷积层
t-SNE算法是一种用于数据降维和可视化的非线性方法。在一维数据的情况下,t-SNE算法可以用于可视化数据点之间的相似度关系。原创 2023-03-06 11:32:11 · 2465 阅读 · 0 评论 -
pytorch实现transformer模型
Transformer是一种强大的神经网络架构,可用于处理序列数据,例如自然语言处理任务。在PyTorch中,可以使用torch.nn.Transformer类轻松实现Transformer模型。原创 2023-03-06 11:05:18 · 2728 阅读 · 0 评论 -
pytorch学习之pytorch构建模型的流程
pyTorch是一个开源机器学习框架,它主要用于构建深度学习模型。下面是一些使用PyTorch的示例:原创 2023-03-05 14:05:37 · 570 阅读 · 0 评论 -
python-使用struct模块实现16进制网络封包数据读写
python-使用struct模块实现16进制网络封包数据读写原创 2022-05-24 12:13:31 · 636 阅读 · 0 评论 -
Python实现16进制读写
最近的工作中需要一个工具来读写网络的封包,因此用python实现了一个读写16进制数据的小工具class Hex_Read(object): def __init__(self): super(Hex_Read, self).__init__() self.len=0 self.ptr=0 def set_data(self,data): data=data.replace(" ","") assert l原创 2022-04-26 12:58:14 · 6285 阅读 · 0 评论 -
Pytorch学习笔记(十 一)——pytorch自定义数据集
一、为什么要使用Datasets类 Datasets是pytorch的一个类,pytorch自带多种数据集,如:MINIST等数据集就是在pytorch的Datasets的库中的。 Pytorch中有工具函数torch.utils.Data.DataLoader,通过这个函数我们在准备加载数据集使用mini-batch的时候可以使用多线程并行处理,这样可以加快我们准备数据集的速度。Datasets就是构建这个工具函数的实例参数之一。二、如何定义Dataset原创 2022-02-27 15:02:33 · 2013 阅读 · 1 评论 -
Pytorch学习笔记(十)——CWRU轴承数据集对原始.mat文件进行重叠采样
先记录下,有时间再写原创 2021-12-20 13:03:40 · 4796 阅读 · 10 评论 -
Pytorch学习笔记(九)——pycharm无法自动代码补全的一些解决方案
我们知道python作为一个动态语言,如果无法得知返回值的type是什么,pycharm将无法识别到返回值的类型,从而无法进行代码补全,以下是如何解决这个问题的办法。问题代码无法进行补全解决办法一、对于单个返回值添加如下""":type:返回值类型"""例子:或添加如下#:type:返回值类型例子:二、对于多个返回值assert isinstance(返回的对象, 对象类型)或选择要确定type的对象按alt+enter出现窗口,选择Add type hint原创 2021-12-18 23:11:57 · 4294 阅读 · 0 评论 -
Pytorch学习笔记(八)——CWRU(西储大学轴承数据集)数据集如何从mat格式转为CSV文件
import osimport pandas as pdimport scipyfrom scipy import ioimport numpy as npif __name__=='__main__': file_path=r"C:/Users/cwru/" #mat文件路径 save_file_path = r"C:/Users/31354/" #保存路径 file_type='.csv' #保存文件格式 #取得目录下所有的文件名 dirnames=[]原创 2021-12-17 18:02:43 · 3721 阅读 · 7 评论 -
Pytorch学习笔记(七)——MobileNets论文解读
在这里插入图片描述原创 2021-12-10 21:04:18 · 799 阅读 · 0 评论 -
Pytorch学习笔记(六)——1x1卷积核的理解
理解1x1卷积核一.1x1卷积核的提出二.1x1卷积核的应用2.1.多通道数据中1x1卷积的作用一.1x1卷积核的提出1x1卷积核的使用可以见《Network in network》这篇论文,这是一篇非常经典并且影响深远的论文,之后的Googlenet和ResNet等模型均有借鉴其1x1卷积核的设计。在这篇论文中,作者提出了NIN块,并在块中第一次使用1x1卷积来增强模块的抽象表达能力,以现在的眼光来看,其实现了跨通道特征融合和通道升维降维。NIN块的结构如下:它由一个卷积层加两个充当全连接层的原创 2021-12-08 11:06:46 · 4257 阅读 · 1 评论 -
Pytorch学习笔记(五)——CNN中卷积和池化操作后的特征图大小计算方法
一、卷积操作注意:卷积操作需要向下取整假设:设输入图像尺寸为WxW,卷积核尺寸为FxF,步幅为S,填充为P,经过该卷积层后输出的图像尺寸为NxN,计算公式为:N=W−F+2PS+1N=\cfrac {W-F+2P} {S}+1N=SW−F+2P+1设输入图像尺寸为WxH,卷积核的尺寸为FxF,步幅为S,图像深度(通道数)为C,填充为P,则:W=W−F+2PS+1W=\cfrac {W-F+2P} {S}+1W=SW−F+2P+1H=H−F+2PS+1H=\cfrac {H-F+2原创 2021-11-15 18:48:04 · 8916 阅读 · 0 评论 -
Pytorch学习笔记(四)——nn.BatchNorm2d()函数
见此文原创 2021-11-15 16:53:38 · 1212 阅读 · 0 评论 -
Pytorch学习笔记(三)——nn.Sequential的理解
在定义CNN模型的时候看到有如下定义,其中讲解一下nn.Sequentialclass CNN(nn.Module): def __int__(self): super(CNN,self).__init__() self.conv1=nn.Sequential(nn.Conv2d(in_channels=1, out_channels=16, kernel_size=3原创 2021-11-15 16:22:18 · 17299 阅读 · 8 评论 -
Pytorch学习笔记(二)——使用pytorch实现BP神经网络拟合函数(附python和C++实现)
使用BP神经网络拟合函数最近学习bp神经网络,但是网上的代码很多都是做分类决策,我们要拟合函数需要对代码进行修改,进行回归预测,修改思路就是将输出层的激活函数改为f(x)=x,并且对反向传播过程中更改隐藏层到输出层的权重公式进行修改。生成测试数据程序。贴几个参考的博文:神经网络实现连续型变量的回归预测(python)BP神经网络与Python实现C++实现的BP神经网络(代码与详解)# 生成测试数据import numpy as npimport pandas as pdimport m原创 2021-10-23 11:10:17 · 7393 阅读 · 0 评论 -
Pytorch学习笔记(一)——pytorch环境搭建配置
目录前言与前期准备一、Anaconda的安装1.1.Anaconda介绍1.2.Anaconda的下载安装1.3.Anaconda的配置下载源1.4.Anaconda的如何切换不同版本的pytorch(以cpu和gpu版本之间切换为例)二、Pytorch的安装2.1.Pytorch介绍2.2.Anaconda的下在线安装Pytorch2.3.Anaconda的下在线、离线混合安装Pytorch三、CUDA3.1.CUDA介绍3.2.CUDA版本的选择3.3.CUDA的安装3.4.CUDA版本安装错误怎么卸载原创 2021-10-04 20:02:39 · 4184 阅读 · 0 评论