PyTorch常用操作

最新推荐文章于 2021-07-17 14:24:46 发布
最新推荐文章于 2021-07-17 14:24:46 发布
阅读量88 收藏
点赞数
分类专栏： PyTorch 文章标签： PyTorch GPU CUDA 深度学习 设备指定
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_39827677/article/details/118753512
版权

PyTorch常用操作

指定GPU

  • 终端指定
CUDA_VISIBLE_DEVICES=0 nohup python demo.py >> base_log.out 2>&1 &
  • 程序指定
import torch
int id = {0-max_gpu_num}
torch.cuda.set_device(id)
没有胡子的猫
关注
专栏目录
pytorch常用函数手册
03-07
### PyTorch常用函数手册知识点概述 #### 一、引言 PyTorch作为一个领先的开源机器学习库，凭借其灵活性和高效性，在学术界和工业界都得到了广泛应用。该手册致力于为用户提供一个全面且易于查阅的PyTorch函数指南...
pytorch与ROCM
zaq15csdn的博客
03-08 3900
pytorch ROCm Building PyTorch for ROCm 官方文档AMD ROCm Release Notes v3.1.0 rocminfo $ /opt/rocm/bin/rocminfo ROCk module is loaded <你的用户名> is member of video group hsa api call failure at: /data/...
不再只有Nvidia | AMD ROCm也可以玩转PyTorch工具
gzq0723的博客
03-27 2381
欢迎关注“计算机视觉研究院”计算机视觉研究院专栏作者：Edison_G前段时间，机器学习开源框架PyTorch提供了对AMD ROCm的支持，现在可作为Python软件包提供。作为一款被学...
pytorch 常用线性函数详解
09-18
下面我们就来详细探讨PyTorch中常用的线性函数，以及它们的具体作用和使用方法。 首先，PyTorch中的线性函数主要利用了基础线性代数包（BLAS）和线性代数包（Lapack）的高性能实现。这使得在PyTorch中进行线性代数...
PyTorch常用代码段合集1
08-04
PyTorch常用代码段合集1 以下是 PyTorch 中的代码段合集，涵盖基本配置、张量处理、模型定义与操作、数据处理、模型训练与测试等五个方面，并提供了多个值得注意的 Tips。 基本配置 在 PyTorch 中，需要固定 ...
陈云pytorch入门与实践，pytorch常用工具模块
最新发布
07-23
在解决深度学习问题的过程中，我们往往需要花费大量的精力去处理数据，包括图像、...考虑到这点，PyTorch提供了几个高效便捷的工具，以便使用者进行数据处理或数据增强等操作，同时可通过并行化加速数据的加载过程。
pytorch 常用函数 max ,eq说明
09-16
在PyTorch中，`torch.max`和`torch.eq`是两个非常重要的操作函数，用于处理张量（Tensor）的数据。 1. `torch.max` 函数： `torch.max` 主要用于找到张量中的最大值。这个函数有两种常见的用法，一种是找到整个...
PyTorch学习笔记(三)
没有胡子的猫Asimov
07-17 1407
PyTorch学习笔记(三) 随机抽样 Random sampling torch.manual_seed torch.manual_seed(seed) 设定生成随机数的种子，并返回一个 torch._C.Generator 对象 参数: seed (int or long) – 种子 torch.initial_seed torch.initial_seed() 返回生成随机数的原始种子值（python long） torch.get_rng_state torch.get_rng_state
使用逻辑回归对鸢尾花进行分类
没有胡子的猫Asimov
07-04 1289
使用逻辑回归对鸢尾花进行分类 import numpy as np import matplotlib.pyplot as plt from sklearn import linear_model from sklearn.metrics import accuracy_score from sklearn.datasets import load_iris # 加载数据集 iris = load_iris() # 打印数据集描述 print(iris.DESCR) .. _iris_dataset:
利用神经网络完成对手写数字进行识别
没有胡子的猫Asimov
07-04 727
利用神经网络完成对手写数字进行识别 网络结构 两个隐藏层 每层激活函数为Relu 数据集：mnist 1. 准备数据 import os import numpy as np import matplotlib.pyplot as plt import torch # 导入 pytorch 内置的 mnist 数据 from torchvision.datasets import mnist # 导入预处理模块 import torchvision.transforms as transfor
PyTorch自动求导
没有胡子的猫Asimov
11-12 631
标量反向传播 当目标张量为标量时，backward()无需传入参数。 例子：假设w,x,bw,x,bw,x,b都是标量，z=wx+bz=wx+bz=wx+b ，对标量zzz调用backward()方法。 自动求导的主要步骤 import torch 1.定义叶子结点，算子节点 如果需要对Tensor求导，requires_grad要设置为True。 # 定义输入张量x x = torch.Tensor([2]) # 初始化权重参数w,偏置b,#设置requires_grad为True，使用自动
使用字符级 RNN 对名称进行分类
没有胡子的猫Asimov
07-07 472
使用字符级 RNN 对名称进行分类 %matplotlib inline 字符级 RNN 将单词读取为一系列字符，在每一步输出预测和隐藏状态，将其先前的隐藏状态输入到下一时间步。将最终预测作为输出，即单词属于哪个类。 具体来说，我们将训练来自 18 种起源语言的数千个姓氏，并根据拼写预测名称来自哪种语言： 示例： $ python predict.py Hinton (-0.47) Scottish (-1.52) English (-3.57) Irish $
用tensorboardX可视化神经网络
没有胡子的猫Asimov
11-17 317
用tensorboardX可视化神经网络 安装：pip install tensorboardX from tensorboardX import SummaryWriter writer = SummaryWriter('runs/scalar_example') for i in range(10): writer.add_scalar('quadratic', i**2, global_step=i) writer.add_scalar('exponential', 2**i, glo
PyTorch学习笔记(一)
没有胡子的猫Asimov
07-17 248
PyTorch学习笔记(一) 创建张量 Tensors torch.rand torch.rand(*sizes, out=None) → Tensor 返回一个张量，包含了从区间**[0,1)**的均匀分布中抽取的一组随机数，形状由可变参数sizes 定义。 参数: sizes (int…) – 整数序列，定义了输出形状 out (Tensor, optinal) - 结果张量 例子： >>> torch.rand(4) 0.9193 0.3347 0.3232 0.77
PyTorch学习笔记(四)
没有胡子的猫Asimov
07-17 245
PyTorch学习笔记(四) 数学操作Math operations torch.abs torch.abs(input, out=None) → Tensor 计算输入张量的每个元素绝对值。 例子： >>> torch.abs(torch.FloatTensor([-1, -2, 3])) FloatTensor([1, 2, 3]) torch.add() torch.add(input, value, out=None) 对输入张量input逐元素加上标量值value，并返回结
【代码实现】READING AND ANSWERING GIVEN REASONING PATHS
没有胡子的猫Asimov
07-17 219
READING AND ANSWERING GIVEN REASONING PATHS reader model 多任务阅读器模型 多任务阅读器模型 阅读理解任务 使用BERT从推理路径中提取答案范围。 对推理路径重排序 使用Bert模型对应于CLS标识符位的输出判断推理路径包括答案的概率。根据概率对推理路径重新排序。 P(E∣q)=σ(wn⋅uE)  s.t.  uE=BERT[CLS](q,E)∈RD P(E|q) = σ(w_n· u_E
PyTorch学习笔记(二)
没有胡子的猫Asimov
07-15 192
PyTorch学习笔记(二) dimension：0行 1列 张量操作 torch.cat torch.cat(inputs, dimension=0) → Tensor 在给定维度上对输入的张量序列seq进行连接操作。 torch.cat()可以看做 torch.split() 和 torch.chunk()的反操作。 cat() 函数可以通过下面例子更好的理解。 参数: inputs (sequence of Tensors) – 可以是任意相同Tensor 类型的python 序列。 dime
pytorch常用命令
08-24
PyTorch 是一个流行的深度学习框架，下面是一些 PyTorch 常用的命令： 1. 张量创建和操作： - `torch.tensor(data)`：根据给定数据创建张量。 - `torch.zeros(shape)`：创建指定形状的全零张量。 - `torch.ones...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

没有胡子的猫

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值