- 博客(19)
- 收藏
- 关注
RSS订阅原创 Pytorch应用训练好的模型
Pytorch应用训练好的模型1.保存训练好的模型：torch.save方法2.加载之前保存的模型：torch.load方法3.对于分类问题的补充4.CPU训练完整代码5.GPU训练1.保存训练好的模型：torch.save方法保存训练好的模型有两种方式，第一种保存模型结构且保存模型参数，第一种方式存在一种陷阱，也就是每次加载模型都得把类定义，或者访问类所在的包。保存方式为：torch.save(模型名, 以pth为后缀的文件)第二种保存方式只保存模型参数，不保存模型结构，这样可以面对较大的网络
2021-10-29 19:06:04
35168
5
原创 Pytorch搭建和训练神经网络模型
Pytorch搭建神经网络步骤1.神经网络骨架：继承Containers中的Module类2.卷积操作：Conv2d类3.池化操作：MaxPool2d类4.非线性激活操作：ReLU类5.全连接操作：Linear类6.序列操作：Sequential类7.损失函数：loss类8.优化器：optim.SGD类进入Pytorch官网，点击Docs下的Pytorch，在右侧点击torch.nn，可以看到搭建神经网络以下步骤中出现的每个类的定义和使用方法。1.神经网络骨架：继承Containers中的Module类
2021-10-29 10:13:39
1371
2
原创 Pytorch下dataset和dataloader的下载和使用
dataset和dataloader的使用1.dataset的使用2.dataloader的使用1.dataset的使用Pytorch提供多种数据集，要下载的话只需进入Pytorch官网，点击Docs下的torchvision，进入之后可以看到下方有多种常用数据集，如COCO、MNIST等，点击想要下载的数据集，进入后会有语句告知如何下载。例如要下载CIFAR数据集，则通过torchvision.datasets.CIFAR10(root: str, train: bool = True, tra
2021-10-27 15:13:48
4128
原创 pytorch中transform的使用
transform中各类用法1.ToTensor转换图片格式2.Normalize图片标准化3.Resize图片大小缩放4.Compose整合以上多个类5.其它类如RandomCrop随机裁剪6.以上类完整代码1.ToTensor转换图片格式transform是一个transform.py文件，里面包含多个类，其中包括ToTensor类，注意ToTensor是一个类，而不是一个方法，所有首先要创建一个对象，然后在用该对象将图片的PIL格式或是numpy格式转化为Tensor格式，代码如下：from P
2021-10-27 10:18:03
2403
原创 pytorch中tensorboard的使用
画图形曲线首先通过SummaryWriter函数获得该变量writer，并且将生成的文件放在名为logs的文件夹下，代码为：from torch.utils.tensorboard import SummaryWriterwriter = SummaryWriter("logs")接着调用add_scalar函数生成需要的曲线图，将生成的图存于上面函数创建的logs文件夹下，其中函数的第一个参数是要生成的图的名字，第二的参数是y轴，第三个参数是x轴。例如生成100以内，y=x的曲线图代码如下：f
2021-10-25 17:20:23
1328
2
原创 pytorch制作数据集
在数据的存储方式是同一个类的图片都放在同一个文件夹，且该文件夹被命名为该类标签的名称时，用该种方式制作数据集。所用的是继承pytorch中Dataset类，并重写该类中的init函数和getitem函数。代码如下：from torch.utils.data import Datasetfrom PIL import Imageimport osclass MyData(Dataset): # 类的初始化，用于输入存放图片的根目录文件夹和存放图片的文件夹（此例中存放图片的文件夹名即为.
2021-10-25 15:26:27
1077
2
原创 Keras搭建卷积神经网络模型
Keras搭建卷积神经网络1.卷积Conv2D2.批标准化BN（Batch Normalization）3.激活Activation4.池化Pool2D5.舍弃Dropout总结卷积就是特征提取器，就是CBAPD。1.卷积Conv2DTensorFlow给出了计算卷积的函数：tf.keras.layers.Conv2D(filters = 卷积核个数,kernel_size = 卷积核尺寸, #正方形写核长整数，或（核高h，核宽w）strides = 滑动步长, #横纵向相同写步长整数，或
2021-03-25 20:42:46
2015
原创 Keras应用搭建好的模型四应用训练好的网络
识物应用：通过训练好的网络，实现对自己手写的数字的识别代码为：from PIL import Imageimport numpy as npimport tensorflow as tfmodel_save_path = './checkpoint/mnist.ckpt'#复现模型（构建一个与之前训练过的模型相同的网络）model = tf.keras.models.Sequential([ tf.keras.layers.Flatten(), tf.keras.laye
2021-03-24 22:35:26
191
1
原创 Keras应用搭建好的模型三可视化loss和acc曲线
其实，在我们进行六步法中的model.fit()时，loss和acc就已经自动保存了，那么只要使用history就可以将其复现，代码如下：#loss是训练集loss，val_loss是测试集loss#sparse_categorical_accuracy是训练集sparse_categorical_accuracy，val_sparse_categorical_accuracy是测试集sparse_categorical_accuracyacc = history.history['sparse_ca
2021-03-24 22:26:56
1842
原创 Keras应用搭建好的模型二之断点续训和提取参数
断点续训和提取参数一、断点续训1.读取模型：2.保存模型：二、参数提取完整代码一、断点续训断点续训是指，如果之前训练过现在要做的模型，则可以通过读入之前训练过的模型及其参数，拿来训练现在要做的目标模型，这样可以节省训练时间，加快训练效率。1.读取模型：在之前已经保存过的模型中读取，被保存的模型名应该是ckpt为后缀的，index为后缀的是模型的索引：load.weights(路径文件名)代码为：#判断如果目标文件存在，则直接读取模型checkpoint_save_path = "./ch
2021-03-24 21:58:33
805
原创 Keras应用搭建好的模型一之自制数据集和数据增强
自制数据集mnist一.目标二.准备条件三、编写函数完整程序为：书写数字数据集mnist的制作一.目标将数据集制作成和我们之前到dataset里下载的数据集格式一样，即测试集和训练集的输入特征与标签一一对应，而且要令输入特征是数组形式（因为像mnist数据，我们最原始的输入特征是图片，我们要将图片转化成与它像素值大小相同的数组如28*28）。二.准备条件准备条件，也就是在自制数据集前我们应该有什么。我们应该有：1.一个x_train文件夹和一个x_test文件夹，这两个文件夹里放的分别是训练集的
2021-03-24 16:00:17
1252
1
原创 用Keras六步搭建神经网络模型
神经网络八股的六步法搭建一、import导入相关包二、train、test训练集、测试集获取三、Sequential搭建网络结构四、compile配置训练方法五、fit执行训练过程六、summary打印网络结构和参数统计完整代码一、import导入相关包例如：import tensorflow as tffrom tensorflow.keras.layers import Denseimport numpy as np#......等等二、train、test训练集、测试集获取告知要喂
2021-03-23 21:46:49
1125
原创 TensorFlow进阶例子二
还是鸢尾花分类，但多了参数优化器、激活函数、loss曲线、acc曲线、时间等：# 利用鸢尾花数据集，实现前向传播、反向传播，可视化loss曲线# 导入所需模块import tensorflow as tffrom sklearn import datasetsfrom matplotlib import pyplot as pltimport numpy as npimport time ##1### 导入数据，分别为输入特征和标签x_data = datasets.load_iri
2021-03-23 20:40:20
98
原创 TensorFlow基础例子一
神经网络实现鸢尾花分类不需要另外下载数据集，在sklearn包中就已经有数据集。代码虽然简单，但将神经网络大部分步骤都涵盖进来了，基础且关键：# -*- coding: UTF-8 -*-# 利用鸢尾花数据集，实现前向传播、反向传播，可视化loss曲线# 导入所需模块import tensorflow as tffrom sklearn import datasetsfrom matplotlib import pyplot as pltimport numpy as np# 导入数据
2021-03-23 13:39:51
189
1
原创 TensorFlow和numpy常用函数（二）
TensorFlow常用函数二1.条件语句where2.随机数生成0~1之间np.random.RandomState.rand3.以行的方式链接数组vstack4.生成坐标点np.mgrid、ravel、np.c_1.条件语句where条件语句为真返回A，条件语句为假返回B：tf.where(条件语句, 真返回A, 假返回B)例如求两张量每个元素的最大值：import tensorflow as tfa = tf.constant([1, 2, 3, 1, 1])b = tf.cons
2021-03-22 17:15:11
259
原创 Conda创建、查看、删除虚拟环境
conda创建、查看、删除虚拟环境1.创建虚拟环境2.删除虚拟环境3.查看虚拟环境4.激活虚拟环境5.退出虚拟环境6.查看该环境下已有的安装包1.创建虚拟环境Anaconda创建环境：比如，创建pyhon＝3.8的版本环境:conda create -n 环境名 python=3.82.删除虚拟环境conda remove -n 环境名3.查看虚拟环境conda-env list4.激活虚拟环境conda activate 环境名5.退出虚拟环境conda deactivat
2021-03-22 10:26:49
389
原创 Conda镜像源
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
2021-03-20 21:00:36
465
1
原创 TensorFlow基础常用函数（一）
TensorFlow常用函数1.constant：创建张量：张量是TensorFlow里最常用的数据结构，可以理解为任意维的数组。调用方式为：tf.constant(张量内容, dtype=数据类型(可选))如创建一个一阶张量（即一维数组），里面只有两个元素1和5：a = tf.constant([1, 5], dtype=tf.int64)print("a:", a)print("a.dtype:", a.dtype)print("a.shape:", a.shape)输出结果
2021-03-20 20:51:46
690
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人