PyTorch
文章平均质量分 66
浪荡的三木先生
毕业于电子科技大学成都学院 计算机科学与技术专业 学士
现在浪迹天涯,追求自己的人生价值,目前混迹于成都某AI大数据公司,做大数据医疗产品研发,主要语言,Python Go React
展开
-
pytorch升级打怪(八)
PyTorch模型将学习的参数存储在内部状态字典中,称为state_dict。要加载模型权重,您需要先创建同一模型的实例,然后使用load_state_dict()方法加载参数。在本节中,我们将研究如何通过保存、加载和运行模型预测来保持模型状态。原创 2024-03-18 21:10:47 · 487 阅读 · 0 评论 -
pytorch升级打怪(一)
使用pytorch进行目标分类原创 2024-03-09 20:12:11 · 662 阅读 · 0 评论 -
pytorch升级打怪(二)
张量是一种专门的数据结构,与数组和矩阵非常相似。在PyTorch中,我们使用张量来编码模型的输入和输出,以及模型的参数。张量与NumPy的ndarrays相似,只是张量可以在GPU或其他硬件加速器上运行。事实上,张量和NumPy数组通常可以共享相同的底层内存,无需复制数据(请参阅带有NumPy的桥接)。张量也针对自动分化进行了优化(我们稍后将在Autograd部分看到更多信息)。如果您熟悉ndarrays,您就可以在家使用Tensor API。如果没有,请跟随!原创 2024-03-09 20:41:51 · 821 阅读 · 0 评论 -
pytorch升级打怪(三)
处理数据样本的代码可能会变得混乱且难以维护;理想情况下,我们希望我们的数据集代码与模型训练代码解耦,以提高可读性和模块化。PyTorch提供了两个数据原语:torch.utils.data.DataLoader和torch.utils.data.Dataset,允许您使用预加载的数据集以及您自己的数据。Dataset存储样本及其相应的标签,DataLoader在Dataset周围包装一个可以可以方便地访问样本。原创 2024-03-09 21:02:30 · 1596 阅读 · 2 评论 -
pytorch升级打怪(四)
在这里,我们定义了一个函数,将整数转换为单热编码张量。它首先创建一个大小为10的零张量(我们数据集中的标签数量),并调用scatter_,在标签y给出的索引上分配一个value=1。Torchvision支持torchvision.transforms和torchvision.transforms.v2模块中的常见计算机视觉转换。转换可用于转换或增强数据,以训练或推断不同任务(图像分类、检测、分割、视频分类)。为了训练,我们需要作为归一化张量的特征,以及作为单热编码张量的标签。原创 2024-03-18 20:19:15 · 827 阅读 · 0 评论 -
pytorch升级打怪(五)
我们通过子类nn.Module定义我们的神经网络,并在__init__中初始化神经网络层。每个nn.Module子类都实现了forward向方法中对输入数据的操作。nn.ReLU(),nn.ReLU(),我们创建一个NeuralNetwork实例,并将其移动到device,并打印其结构。要使用该模型,我们将输入数据传递给它。这执行了模型的forward,以及一些后台操作。不要直接调用model.forward()!原创 2024-03-18 20:34:52 · 969 阅读 · 0 评论 -
pytorch升级打怪(六)
默认情况下,所有具有requires_grad=True张量都在跟踪其计算历史并支持梯度计算。然而,在某些情况下,我们不需要这样做,例如,当我们训练了模型,只想将其应用于一些输入数据时,即我们只想通过网络进行前向计算。在这个网络中,w和b是参数,我们需要对其进行优化。因此,我们需要能够计算相对于这些变量的损失函数梯度。它支持任何计算图的梯度自动计算。在该算法中,根据损失函数相对于给定参数的梯度调整参数(模型权重)。当你只做正向传递时,为了加快计算速度,因为对不跟踪梯度的张量进行计算会更有效率。原创 2024-03-18 20:49:20 · 704 阅读 · 0 评论