![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
pytorch
shelleyHLX
这个作者很懒,什么都没留下…
展开
-
VSCODE+CMAKE+Libtorch环境配置
install vscodec/c++ pluginlaunch.json{ // 使用 IntelliSense 了解相关属性。 // 悬停以查看现有属性的描述。 // 欲了解更多信息,请访问: https://go.microsoft.com/fwlink/?linkid=830387 "version": "0.2.0", "configurations": [ { "name": "(gdb) .原创 2021-01-04 17:43:27 · 1162 阅读 · 0 评论 -
VSCODE+CMAKE+Libtorch环境配置,实现一键编译一键DEBUG
VSCODE+CMAKE+Libtorch环境配置,实现一键编译一键DEBUGreference:https://blog.csdn.net/ha_ku/article/details/102625837文章目录VSCODE+CMAKE+Libtorch环境配置,实现一键编译一键DEBUG 1. 新建helloworld.cpp 2. 配置c_cpp_properties.json文件 3. 配置tasks.json文件 4. 配置launch.json文件.转载 2021-01-04 17:30:23 · 919 阅读 · 0 评论 -
libtorch-入门autograd
libtorch downloadhttps://github.com/pytorch/examples/tree/master/cpp/autogradcuda versionhlx@W240F1:~/下载$ cat /usr/local/cuda/version.txtCUDA Version 10.0.130CUDA Patch Version 10.0.130.1hlx@W240F1:~/下载$hlx@W240F1:~/libtor...原创 2021-01-04 11:46:39 · 612 阅读 · 0 评论 -
libtorch 常用api函数示例(史上最全、最详细)
pytorch/libtorch qq群: 1041467052其实pytorch的函数libtorch都有,只是写法上有些出入。libtorch的官方文档链接class tensor只是官方文档只是类似与函数申明,没有告诉干嘛的,只能通过函数名字猜了。比如我要一个一个函数和已知的一个torch::Tensor变量形状一样,只是填充指定的数值,我记得在哪里看到过的有个full开头的函数,然后我就搜素full,然后找到一个函数full_like好像是我需要的。(见0)目录pytorch/lib转载 2021-01-04 10:18:47 · 1453 阅读 · 2 评论 -
在Ubuntu下安装LibTorch
前言:我的环境:Ubuntu 16.04 / GCC 5.4.0 ;PyTorch 1.1 Linux CPU ;Anaconda3 5.3.1 ;Qt5 5.12.6;安装步骤(虽然说安装,其实就是下载LibTorch包而已):1. 下载LibTorch参考:利用Pytorch的C++前端(libtorch)读取预训练权重并进行预测 - Oldpan的个人博客里面提到:截自OLDPAN的博文为了进行快速尝试,我决定先直接从官网下编译好的文件:下载地址OL转载 2020-12-30 17:51:17 · 3283 阅读 · 1 评论 -
pytorch--rnn的例子
import torch import torch.nn as nnimport torchvisionimport torchvision.transforms as transforms# Device configurationdevice = torch.device('cuda' if torch.cuda.is_available() else 'cpu')# Hyper-parameterssequence_length = 28input_size = 28h...原创 2020-12-28 11:34:49 · 1036 阅读 · 0 评论 -
pytorch的语言模型
RNNLM( (embed): Embedding(10000, 128) (lstm): LSTM(128, 1024, batch_first=True) (linear): Linear(in_features=1024, out_features=10000, bias=True))import torchimport torch.nn as nnimport numpy as npfrom torch.nn.utils import clip_grad_...原创 2020-12-25 17:39:11 · 292 阅读 · 0 评论 -
pytorch--resnet的实现和训练
Epoch [80/80], Step [200/500] Loss: 0.1295Epoch [80/80], Step [300/500] Loss: 0.1426Epoch [80/80], Step [400/500] Loss: 0.1088Epoch [80/80], Step [500/500] Loss: 0.0846Accuracy of the model on the test images: 88.68 %import torchimport torch...原创 2020-12-25 16:36:15 · 267 阅读 · 0 评论 -
pytorch----mnist的卷积神经网络
import torch import torch.nn as nnimport torchvisionimport torchvision.transforms as transforms# Device configurationdevice = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')# Hyper parametersnum_epochs = 5num_classes = 10b...原创 2020-12-25 10:58:09 · 188 阅读 · 0 评论 -
pytorch的双向循环神经网络
import torch import torch.nn as nnimport torchvisionimport torchvision.transforms as transforms# Device configurationdevice = torch.device('cuda' if torch.cuda.is_available() else 'cpu')# Hyper-parameterssequence_length = 28input_size = 28h...原创 2020-12-24 17:49:50 · 289 阅读 · 1 评论 -
pytorch--基础使用
import torch import torchvisionimport torch.nn as nnimport numpy as npimport torchvision.transforms as transforms# ================================================================== ## Table of Contents ...原创 2020-12-24 16:24:09 · 100 阅读 · 1 评论 -
pytorch逻辑回归logistic regression
把mnist数据集用于逻辑回归,import torchimport torch.nn as nnimport torchvisionimport torchvision.transforms as transforms# logistic regression# Hyper-parameters input_size = 28 * 28 # 784num_classes = 10num_epochs = 5batch_size = 100learning_ra...原创 2020-12-24 15:47:12 · 205 阅读 · 0 评论 -
pytorch线性回归
(x, y)根据x和y的数据,训练一个全链接的一层的网络.Epoch [5/60], Loss: 34.1309Epoch [10/60], Loss: 14.1129Epoch [15/60], Loss: 6.0028Epoch [20/60], Loss: 2.7168Epoch [25/60], Loss: 1.3851Epoch [30/60], Loss: 0.8451Epoch [35/60], Loss: 0.6259Epoch [40/60], Loss: 0....原创 2020-12-24 15:18:10 · 137 阅读 · 0 评论 -
pytorch前向传播网络的学习
from:https://github.com/yunjey/pytorch-tutorial.gitimport torchimport torch.nn as nnimport torchvisionimport torchvision.transforms as transforms# gpu设备的确定# Device configurationdevice = torch.device('cuda' if torch.cuda.is_available() else 'cpu')原创 2020-12-24 14:39:50 · 224 阅读 · 0 评论 -
PyTorch指定GPU的方法
1. 改变系统变量使得仅目标显卡可见export CUDA_VISIBLE_DEVICES=0 #这里是要使用的GPU编号,正常的话是从0开始 在程序开头设置os.environ["CUDA_VISIBLE_DEVICES"] = '0,1,2,3' CUDA_VISIBLE_DEVICES=0,1,2,3 python xxx.py来设置该程序可见的gpu2. 使用torch.cuda接口在生成网络对象之前执行:torch.cuda.set_device(0)3. 使用pytorch的并转载 2020-12-24 13:54:05 · 8922 阅读 · 0 评论 -
pytorch的rnn,循环神经网络
分类self.rnn = nn.LSTM( # if use nn.RNN(), it hardly learns input_size=INPUT_SIZE, # (batch, time_step, input_size) hidden_size=64, # rnn hidden unit num_layers=1, # number of rnn layer batch_first=True, #原创 2020-12-24 13:18:45 · 220 阅读 · 0 评论 -
pytorch--visdom,tensorbordx的使用
visdom的使用import torchimport mathimport numpy as npfrom visdom import Visdomimport timetorch.__version__'1.2.0'4.2.1 使用Visdom在 PyTorch 中进行可视化Visdom是Facebook在2017年发布的一款针对PyTorch的可视化工具。官网,visdom由于其功能简单,一般会被定义为服务器端的matplot,也就是说我们可以直接使用python的控.原创 2020-12-23 17:25:09 · 488 阅读 · 0 评论 -
pytorch--可视化理解卷积神经网络
%load_ext autoreload%autoreload 2import torchimport numpy as npimport torch.nn as nnimport torch.nn.functional as Ffrom PIL import Imagefrom torchvision import transformsfrom torchvision import models,datasetsimport matplotlib.pyplot as plttor...原创 2020-12-23 16:06:29 · 848 阅读 · 0 评论 -
pytorch--MNIST数据集手写数字识别
import torchimport torch.nn as nnimport torch.nn.functional as Fimport torch.optim as optimfrom torchvision import datasets, transformstorch.__version__'1.2.0'3.2 MNIST数据集手写数字识别3.2.1 数据集介绍MNIST 包括6万张28x28的训练样本,1万张测试样本,很多教程都会对它”下手”几乎成为一个 “典范”,原创 2020-12-23 10:52:14 · 181 阅读 · 0 评论 -
pytorch--fine-tuning的使用
%matplotlib inlineimport torch,os,torchvisionimport torch.nn as nnimport torch.nn.functional as Fimport pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom torch.utils.data import DataLoader, Datasetfrom torchvision import datasets, .原创 2020-12-23 10:30:07 · 1043 阅读 · 0 评论 -
pytorch--rnn例子--通过Sin预测Cos
%matplotlib inlineimport torchimport torch.nn as nnfrom torch.nn import functional as Ffrom torch import optimimport numpy as npfrom matplotlib import pyplot as pltimport matplotlib.animationimport math, randomtorch.__version__'1.2.0'3.3 通过Si原创 2020-12-23 09:52:54 · 499 阅读 · 0 评论 -
pytorch-logistic回归实战
import torchimport torch.nn as nnimport numpy as nptorch.__version__'1.2.0'3.1 logistic回归实战在这一章里面,我们将处理一下结构化数据,并使用logistic回归对结构化数据进行简单的分类。3.1.1 logistic回归介绍logistic回归是一种广义线性回归(generalized linear model),与多重线性回归分析有很多相同之处。它们的模型形式基本上相同,都具有 wx...原创 2020-12-23 10:56:06 · 259 阅读 · 0 评论 -
pytorch--循环神经网络
import torchtorch.__version__'1.2.0'2.5 循环神经网络2.5.1 RNN简介我们的大脑区别于机器的一个最大的特征就是我们有记忆,并且能够根据自己的记忆对未知的事务进行推导,我们的思想拥有持久性的。但是本教程目前所介绍的神经网络结构各个元素之间是相互独立的,输入与输出是独立的。RNN的起因现实世界中,很多元素都是相互连接的,比如室外的温度是随着气候的变化而周期性的变化的、我们的语言也需要通过上下文的关系来确认所表达的含义。但是机器要做到这一步就原创 2020-12-22 13:45:07 · 635 阅读 · 0 评论 -
pytorch--各种卷积神经网络简介
import torchtorch.__version__'1.2.0'2.4 卷积神经网络简介卷积神经网络由一个或多个卷积层和顶端的全连通层(也可以使用1x1的卷积层作为最终的输出)组成一种前馈神经网络。一般的认为,卷积神经网络是由Yann LeCun大神在1989年提出的LeNet中首先被使用,但是由于当时的计算能力不够,并没有得到广泛的应用,到了1998年Yann LeCun及其合作者构建了更加完备的卷积神经网络LeNet-5并在手写数字的识别问题中取得成功,LeNet-5的成功...原创 2020-12-22 11:23:08 · 625 阅读 · 0 评论 -
神经网络简介
2.3 神经网络简介目前最广泛使用的定义是Kohonen于1988年的描述,神经网络是由具有适应性的简单单元组成的广泛并行互连的网络,它的组织能够模拟生物神经系统对真实世界物体所做出的交互反应。概述在生物神经网络中,每个神经元与其他神经元相连,当它兴奋时,就会向相连的神经元发送化学物质,从而改变这些神经元内的电位;如果某神经元的电位超过了一个阈值,那么它就会激活,即兴奋起来并向其他神经元发送化学物质。在深度学习中也借鉴了这样的结构,每一个神经元(上面说到的简单单元)接受输入x,通过带权重w的原创 2020-12-22 10:51:08 · 551 阅读 · 0 评论 -
PyTorch 基础 :数据的加载和预处理
from github:Limmer-pytorch-handbook-masterPyTorch通过torch.utils.data对一般常用的数据加载进行了封装,可以很容易地实现多线程数据预读和批量加载。 并且torchvision已经预先实现了常用图像数据集,包括前面使用过的CIFAR-10,ImageNet、COCO、MNIST、LSUN等数据集,可通过torchvision.datasets方便的调用# 首先要引入相关的包import torch#打印一下版本torch.__v原创 2020-12-22 10:41:17 · 242 阅读 · 0 评论 -
深度学习基础及数学原理
2.2 深度学习基础及数学原理深度学习并没有想象的那么难,甚至比有些传统的机器学习更简单。所用到的数学知识也不需要特别的高深,本章将会一边讲解深度学习中的基本理论,一边通过动手使用PyTorch实现一些简单的理论,本章内容很多,所以只做一个简短的介绍2.2.1 监督学习和无监督学习监督学习、无监督学习、半监督学习、强化学习是我们日常接触到的常见的四个机器学习方法:监督学习:通过已有的训练样本(即已知数据以及其对应的输出)去训练得到一个最优模型(这个模型属于某个函数的集合,最优则表...原创 2020-12-22 09:49:50 · 1780 阅读 · 0 评论 -
PyTorch 基础 : 神经网络包nn和优化器optm
torch.nn是专门为神经网络设计的模块化接口。nn构建于 Autograd之上,可用来定义和运行神经网络。 这里我们主要介绍几个一些常用的类约定:torch.nn 我们为了方便使用,会为他设置别名为nn,本章除nn以外还有其他的命名约定# 首先要引入相关的包import torch# 引入torch.nn并指定别名import torch.nn as nn#打印一下版本torch.__version__‘1.2.0’除了nn别名以外,我们还引用了nn.functional,这个包中包原创 2020-12-21 17:58:00 · 444 阅读 · 1 评论 -
PyTorch 基础 : 自动求导
深度学习的算法本质上是通过反向传播求导数,而PyTorch的autograd模块则实现了此功能。在Tensor上的所有操作,autograd都能为它们自动提供微分,避免了手动计算导数的复杂过程。从0.4起, Variable 正式合并入Tensor, Variable 本来实现的自动微分功能,Tensor就能支持。读者还是可以使用Variable(tensor), 但是这个操作其实什么都没做。所以,以后的代码建议直接使用Tensor,因为官方文档中已经将Variable设置成过期模块要想使得Tenso原创 2020-12-21 17:36:36 · 243 阅读 · 0 评论 -
PyTorch 基础 : 张量
在第一章中我们已经通过官方的入门教程对PyTorch有了一定的了解,这一章会详细介绍PyTorch 里面的基础知识。 全部掌握了这些基础知识,在后面的应用中才能更加快速进阶,如果你已经对PyTorch有一定的了解,可以跳过此章# 首先要引入相关的包import torchimport numpy as np#打印一下版本torch.__version__‘1.2.0’张量(Tensor)张量的英文是Tensor,它是PyTorch里面基础的运算单位,与Numpy的ndarray相同都表示的原创 2020-12-21 17:29:45 · 474 阅读 · 0 评论 -
pytorch数据并行训练
数据并行(选读)Authors:Sung KimandJenny Kang在这个教程里,我们将学习如何使用DataParallel来使用多GPU。PyTorch非常容易就可以使用多GPU,用如下方式把一个模型放到GPU上: device = torch.device("cuda:0") model.to(device)GPU: 然后复制所有的张量到GPU上: mytensor = my_tensor.to(device)请注意,只调用my...原创 2020-12-21 17:17:15 · 701 阅读 · 0 评论 -
pytorch-Neural Networks入门
from:Limmer-pytorch-handbook-masterNeural Networks使用torch.nn包来构建神经网络。上一讲已经讲过了autograd,nn包依赖autograd包来定义模型并求导。 一个nn.Module包含各个层和一个forward(input)方法,该方法返回output。例如:它是一个简单的前馈神经网络,它接受一个输入,然后一层接着一层地传递,最后输出计算的结果。神经网络的典型训练过程如下:定义包含一些可学习的参数(或者叫.原创 2020-12-21 17:08:31 · 105 阅读 · 0 评论 -
pytorch 卷积神经网络
import os# third-party libraryimport torchimport torch.nn as nnfrom torch.autograd import Variableimport torch.utils.data as Dataimport torchvisionimport matplotlib.pyplot as plttorch.manual_seed(1) # reproducible# Hyper ParametersEPOCH...原创 2020-12-18 14:48:52 · 306 阅读 · 0 评论 -
pytorch数据加载类的使用
数据加载的使用Data.TensorDatasetimport torchimport torch.utils.data as Datatorch.manual_seed(1) # reproducibleBATCH_SIZE = 5# BATCH_SIZE = 8x = torch.linspace(1, 10, 10) # this is x data (torch tensor)y = torch.linspace(10, 1, 10) # t原创 2020-12-18 10:48:17 · 342 阅读 · 0 评论 -
pytorch的模型保存和加载
保存格式可以是pth,pkl,保存整个模型或是仅是参数。import torchfrom torch.autograd import Variableimport matplotlib.pyplot as plttorch.manual_seed(1) # reproducible# fake data# x data (tensor), torch.Size([100]) -> shape=(100, 1)x = torch.unsqueeze(torch.lins...原创 2020-12-18 10:28:34 · 134 阅读 · 0 评论 -
pytorch模型构建的两种方式
1. 创建类class Net(torch.nn.Module):2. Sequence,和keras差不多,例子:import torchimport torch.nn.functional as F# replace following class code with an easy sequential networkclass Net(torch.nn.Module): def __init__(self, n_feature, n_hidden, n_out原创 2020-12-18 10:05:36 · 306 阅读 · 0 评论 -
pytorch里的variable,tensor和numpy格式的转化和使用
莫烦python的pytorch的学习。pytorch里的variable,tensor和numpy格式的转化和使用numpy:矩阵格式,仅是存储数据,tensor是pytorch网络格式,要传入网络的格式,variable是tenso+梯度,需要计算梯度时才需要。。。。。。tensor和numpy的实验。import torchimport numpy as np# details about math operation in torch can be fou..原创 2020-12-18 09:17:21 · 478 阅读 · 0 评论 -
pytorch的线性回归,分类
import torchfrom torch.autograd import Variableimport torch.nn.functional as Fimport matplotlib.pyplot as plttorch.manual_seed(1) # reproduciblex = torch.unsqueeze(torch.linspace(-1, 1, 100), dim=1) # x data (tensor), shape=(100, 1)# print(...原创 2020-12-18 09:15:58 · 364 阅读 · 0 评论 -
Pytorch项目打包和部署(2)——代码——flask+socket+pt2pt
章目录一、flask 1.1 module.py 1.2 flash_test.py 1.3 MTCNN侦测网络的flask通信流程 二、Socket 2.1 server_demo.py 2.2 client_demo.py 2.3 socket实现的对话 2.3.1 server.py 2.3.2 client.py 三、MNIST打包 3.1 模型打包的时候注意的问题 一、flask1.1 module.pyi.转载 2020-12-17 11:46:38 · 758 阅读 · 0 评论 -
Pytorch项目打包和部署(1)——理论
文章目录一、什么是模型打包部署 二、模型打包部署的作用 三、学习模型打包部署的目的 四、模型部署语言 五、模型部署平台 六、模型部署设备 七、模型部署方式 八、模型部署接口(服务器部署) 九、模型部署相关工具 十、模型可视化先上Pytorch官网:Pytorch英伟达显卡总结:一、什么是模型打包部署模型打包就是把程序化的模块打包成一个能在指定平台上可执行文件。Pytorch中的打包和调用方法:torch.save()torch.load()模型部署就是将打包好.转载 2020-12-17 11:43:31 · 4298 阅读 · 0 评论