pytorch
文章平均质量分 50
pytorch案例,教程,语法
Johnnay_Song
流水不争先
展开
-
【28】sys模块的使用方法
【1】模块介绍提供对解释器使用或维护的一些变量的访问,以及与解释器强烈交互的函数。它始终可用。【2】代码#!/usr/bin/env python# -*- encoding: utf-8 -*-'''@File : mytest.py@Time : 2021/06/17 15:06:19@Author : Jian Song @Contact : 1248975661@qq.com@Desc : None'''# here put the原创 2021-06-17 15:43:09 · 273 阅读 · 0 评论 -
【27】unet网络复现及学习(1)
【1】config.ini#配置文件[base]batchsize=10ckptpath='./dowoload/weights_19.pth'train_path="F:/PytorchTes/torchdeeplearnmodel/unetdata/train"val_path="F:/PytorchTes/torchdeeplearnmodel/unetdata/val"【2】main.py#!/usr/bin/env python# -*- encoding: utf-8 -*-原创 2021-06-11 17:37:43 · 1031 阅读 · 0 评论 -
【26】unet网络复现及学习(总述)
【1】模型介绍 Layer (type) Output Shape Param #================================================================Conv2d-1 [-1, 64, 512, 512] 640BatchNorm2d-2 [-1, 64, 512, 512] 128ReLU-3原创 2021-06-11 17:33:16 · 430 阅读 · 0 评论 -
【25】搭建FCN语义分割网络完成自己数据库图像分割(2)
【1】程序文件夹【2】训练数据库【3】数据库介绍(训练图片jpg,标签为png格式,名称相互对应)原创 2021-06-09 15:57:40 · 121 阅读 · 0 评论 -
【24】搭建FCN语义分割网络完成自己数据库图像分割(1)
【1】batchimageprocess.py #批量图片处理、改名字、改类型#!/usr/bin/env python# -*- encoding: utf-8 -*-'''@File : batchimageprocess.py@Time : 2021/06/03 11:19:16@Author : Jian Song @Contact : 1248975661@qq.com@Desc : None'''# here put the impo原创 2021-06-09 15:30:50 · 975 阅读 · 0 评论 -
【23】搭建FCN语义分割网络完成自己数据库图像分割(总述)
【1】模型介绍搭建了一个分割网络,以此网络为基础完成图像的分割并计算最终的分割精度。---------------------------------------------------------------- Layer (type) Output Shape Param #================================================================ Conv...原创 2021-06-04 20:19:55 · 289 阅读 · 0 评论 -
【22】Unet网络的复现和理解
【1】网络结构UNet网络模型图Unet包括两部分:1 特征提取部分,每经过一个池化层就一个尺度,包括原图尺度一共有5个尺度。2 上采样部分,每上采样一次,就和特征提取部分对应的通道数相同尺度融合,但是融合之前要将其crop。这里的融合也是拼接。该网络由收缩路径(contracting path)和扩张路径(expanding path)组成。其中,收缩路径用于获取上下文信【1.1】网络优点(1) overlap-tile策略(2)数据增强(data augm...原创 2021-04-19 21:14:37 · 5458 阅读 · 4 评论 -
【21】FCN网络训练及理解
准备工作代码地址:https://github.com/bat67/pytorch-FCN-easiest-demo论文参考:全卷积网络 FCN 详解 FCN详解与pytorch简单实现(附详细代码解读)【1】FCN网络简介FCN网络实现了端到端的图像分割,去除了卷积网络的全连接层,采用反卷积的方式,实现像素级别的分割,并加入skip方式,提升了分割性能。【2】训练步骤文件目录展示【2.1】打开python-mvisdom.se...原创 2021-04-18 16:27:35 · 1562 阅读 · 1 评论 -
【20】反卷积的卷积核理解
【1】基础概念参考:(1)卷积计算,反卷积计算,特征图大小计算,空洞卷积计算(2)彻底搞懂CNN中的卷积和反卷积【2】本文主要对反卷积的卷积核进行深入分析(1)步长为1的反卷积操作(2)步长大于1的反卷积操作...原创 2021-03-24 12:04:22 · 810 阅读 · 1 评论 -
【19】基于vistom的pytorch训练效果可视化
【1】代码#!/usr/bin/env python# -*- encoding: utf-8 -*-'''@File : testvistom.py@Time : 2021/03/23 19:37:31@Author : Jian Song @Contact : 1248975661@qq.com@Desc : None'''# here put the import lib'''参考文献:https://blog.csdn.net/w原创 2021-03-23 20:04:51 · 307 阅读 · 0 评论 -
【18】基于pytorch的二分类网络模型的搭建
【1】模型简介搭建了一个简单的神经网络,完成猫狗的分类,主要目的是是分析整个分类模型的流程。分类模型的流程包含:(1)数据加载(2)模型搭建(3)模型训练(4)模型测试(5)模型优化【2】文件简介文件夹1:训练和测试的数据文件夹2:模型结果存储文件夹3: 训练过程中的图片存储文件夹4:tensorboard可视化文件存储【3】代码展示ConcludeAccuracy.py# -*- coding: utf-8 -*-##-------------..原创 2021-03-19 11:13:05 · 6603 阅读 · 3 评论 -
【17】报错:ModuleNotFoundError: No module named ‘torchtext‘
【1】解决方法pip install torchtext -i http://pypi.douban.com/simple --trusted-host pypi.douban.com【2】参考文章https://www.cnblogs.com/wydxry/p/13417812.html原创 2021-03-08 09:37:31 · 3513 阅读 · 1 评论 -
【16】Faster-RCNN代码运行流程及注意要点
【1】运行环境 W7+Tensorflow1.6+cpu(建议GPU,CPU的运行太慢)【2】运行步骤【1】下载代码 地址:https://github.com/dBeker/Faster-RCNN-TensorFlow-Python3.5【2】下载数据地址:(voc2007数据集的下载和解压)https://blog.csdn.net/guojingjuan/article/details/52587739Download the tra...原创 2020-12-20 13:19:18 · 532 阅读 · 1 评论 -
【15】Faster-RCNN网络详细解读
【1】前言最近博客上看了很多篇关于Faster-RCNN网络详细解读,但是始终对其中的解释一知半解。刚开始以为自己懂了,有看了一些发现自己又困惑了,这个东西到底是什么,是怎么训练的?怎么传播的?里面的名词究竟是什么意思?看的始终是一知半解。对于Faster-RCNN的网络的用途以及Faste-RCNN和RCNN原理此处不讲解,只讲解Faster-RCNN的网络,对其进行详细的剖析。【2】Faster-RCNN网络框架 ...原创 2020-12-18 14:26:50 · 6211 阅读 · 2 评论 -
【14】RCNN,Fast-RCNN,Faster-RCNN网络综合比较
【1】前言目标识别(objec recognition)是指明一幅输入图像中包含那类目标。其输入为一幅图像,输出是该图像中的目标属于哪个类别(class probability)。而目标检测(object detection)除了要告诉输入图像中包含了哪类目前外,还要框出该目标的具体位置(bounding boxes)。rcnn系列网络用于目标检测,并且检测精度逐步增高。目标检测的传统过程如下所示。(1)输入图像,采用提取框。(2)提取特征。(3)图像分类。(4)极大值抑制。【1】R-CNN原创 2020-12-17 17:24:09 · 402 阅读 · 0 评论 -
【13】GAN网络
【1】GAN网络介绍(0)应用 图像翻译 图像补全 数据增广(1)原理简介假设有两个网络,生成网络G(Generator)和判别网络D(Discriminator)。它们的功能分别是:· G负责生成图片,它接收一个随机的噪声z,通过该噪声生成图片,将生成的图片记为G(z)。· D负责判别一张图片是不是“真实的”。它的输入是x, x代表一张图片,输出D(x)表示x为真实图片的概率,如果为1,代表是真实图片的概率为100%,而输出为0,代表不可能是真实的图片。...原创 2020-12-15 11:01:58 · 696 阅读 · 0 评论 -
【12】DCGAN网络的理解及代码分享
【1】原理介绍(1)目的及原理DCGAN的全称是Deep Convolutional Generative Adversarial Networks,意即深度卷积对抗生成网络,它是由Alec Radford在论文UnsupervisedRepresentation Learning with Deep Convolutional Generative AdversarialNetworks中提出的。从名字上来看,它是在GAN的基础上增加深度卷积网络结构,专门生成图像样本。(2)相比GAN网络原创 2020-12-15 10:32:41 · 1857 阅读 · 3 评论 -
【11】交叉熵
【1】交叉熵 cross_entropy()函数【2】代码from torch import nnlabel=torch.Tensor([0,1,1,0]).long()output=torch.randn(4,4)criterion=nn.CrossEntropyLoss()loss_nn=criterion(output,label)print(loss_nn)【3】参考文献Pytorch详解NLLLoss和CrossEntropyLoss...原创 2020-12-07 17:08:00 · 96 阅读 · 0 评论 -
【10】调用Sequential()模块完成神经网络的搭建
【1】nn.Sequential()模块当模型中只是简单的前馈网络时,即上一层的输出直接作为下一层的输入,这时可以采用nn.Sequential()模块来快速搭建模型,而不必手动在forward()函数中一层一层地前向传播。因此,如果想快速搭建模型而不考虑中间过程的话,推荐使用nn.Sequential()模块。【2】代码 sequentialmodel.py# -*- coding: utf-8 -*-##------------------------------------原创 2020-12-07 15:39:39 · 981 阅读 · 0 评论 -
【9】调用Model完成神经网络的搭建
【1】nn.Module类nn.Module是PyTorch提供的神经网络类,并在类中实现了网络各层的定义及前向计算与反向传播机制。在实际使用时,如果想要实现某个神经网络,只需继承nn.Module,在初始化中定义模型结构与参数,在函数forward()中编写网络前向过程即可。【2】代码 toolbox.py# -*- coding: utf-8 -*-##--------------------------------------------------------------原创 2020-12-07 15:35:24 · 752 阅读 · 0 评论 -
【8】pytorch正则化
【1】Batch Normalization, 批标准化, 和普通的数据标准化类似, 是将分散的数据统一的一种做法, 也是优化神经网络的一种方法.【2】代码# -*- coding: utf-8 -*-##-------------------------------------------------------------------------------# Name: zhenzehua# Description: # Author: Admini.原创 2020-12-02 17:19:20 · 379 阅读 · 0 评论 -
【7】pytorch简单的GAN网络
【1】GAN网络,对抗神经网络【2】代码# -*- coding: utf-8 -*-##-------------------------------------------------------------------------------# Name: MOfanGAN# Description: # Author: Administrator# Date: 2020/12/2#-------------------------原创 2020-12-02 16:45:32 · 174 阅读 · 0 评论 -
【6】pytorch中常用的优化器
【1】优化器介绍(1)SGD, (2)Momentum, (3)RMSprop, (4)AdamSGD是最普通的优化器, 也可以说没有加速效果, 而Momentum是SGD的改良版, 它加入了动量原则. 后面的RMSprop又是Momentum的升级版. 而Adam又是RMSprop的升级版. 不过从这个结果中我们看到,Adam的效果似乎比RMSprop要差一点. 所以说并不是越先进的优化器, 结果越佳. 我们在自己的试验中可以尝试不同的优化器, 找到那个最适合你数...原创 2020-12-01 21:15:26 · 529 阅读 · 0 评论 -
【5】pytorch批量训练
【1】利用dataloader函数完成批量训练【2】代码# -*- coding: utf-8 -*-##-------------------------------------------------------------------------------# Name: batchtest# Description: # Author: Administrator# Date: 2020/11/29#---------------原创 2020-11-30 15:08:33 · 708 阅读 · 0 评论 -
【4】pytorch模型的保存和加载
【1】保存方式有两种,一种是保存整个模型和参数,二是只保存参数。只保存参数加载的时间短。【2】代码# -*- coding: utf-8 -*-##-------------------------------------------------------------------------------# Name: loadmodel# Description: # Author: Administrator# Date: 2020/1原创 2020-11-28 21:51:46 · 110 阅读 · 1 评论 -
【3】pytorch二分类
【1】生成两组数据,训练神经网络,完成二分类【2】代码# -*- coding: utf-8 -*-##-------------------------------------------------------------------------------# Name: objectionclass# Description: # Author: Administrator# Date: 2020/11/28#-----------原创 2020-11-28 18:04:17 · 347 阅读 · 0 评论 -
【2】pytorch回归
【1】本例程通过对一个二次函数进行拟合,包含数据集的生成,神经网络的搭建,神经网络的点训练【2】代码# -*- coding: utf-8 -*-##-------------------------------------------------------------------------------# Name: huiguitest# Description: # Author: Administrator# Date: 2020原创 2020-11-28 17:16:05 · 110 阅读 · 0 评论 -
【1】pytorch中的激活函数
【1】torch中常用的激活函数有relu, sigmoid, tanh, softplus.【2】代码# -*- coding: utf-8 -*-##-------------------------------------------------------------------------------# Name: testtwo# Description: # Author: Administrator# Date: ...原创 2020-11-28 16:44:21 · 558 阅读 · 1 评论