Pytorch快速入门

最新推荐文章于 2023-05-19 16:17:35 发布
最新推荐文章于 2023-05-19 16:17:35 发布
阅读量392 收藏 3
点赞数 1
分类专栏： # Pytorch专栏 文章标签： 人工智能 python 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 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_44554428/article/details/104226132
版权

文章目录

前言

qi

学习经历:

博主在半年内近乎从零开始了解深度学习,并直接跳过了机器学习的内容,没有系统的上过与深度学习有关的课程,也是第一次上手Pythorch,且以前也很少用python进行编程.(几乎都在用Matlab与C),因此一开始接触起来很吃力,甚至走了不少弯路,在这里将自己通过学习与交流得到的一些经验分享给大家,希望后来的同学们在学习Pytorch的时候可以尽快找到适合自己的路.

Pytorch快速入门指南

以下内容不分先后顺序,所有涉及的网址将在附录分享给大家

1.灵活运用官网的Tutorials

Pytorch
初学Pytorch,尤其是像我这样的小白,官网的Tutorials我认为可以当作我们入门Pytorch的敲门砖.而里面的Getting Started又是敲门砖中的敲门砖.
因此我建议Pytorch初学者在一开始接触Pytorch时不要像博主一样上Bilibili找视频教程或是百度别的博主的Pytorch入门哦女教程,特别是像我一样英语底子差的同学,一定要耐心啃下来Tutorials特别是其中的Getting Started,绝对让你在之后学习Pytorch时可以达到事半功倍,受益匪浅的效果.
Tutorial

2.经常查看官网的Docs

相信不少刚刚入门Python的同学一开始都有遇到不会的函数或者报错时就将函数或者报错内容复制粘贴到百度,然后期望能百度到别人对函数的讲解或问题的解决方法.然而我们却经常忽略官网的文档,然而官网的文档却是写的最为权威,最为详细,最有参考价值的文档.
在这里插入图片描述
因此我建议同学们在初学Pytorch时遇到不会的函数就去Pyorch官网的Docs里面搜索一下,看看官网对函数的解释及用法以及变量的解释,就像我们依赖Matlab的Help功能一样,我们也要多去官网的Docs里查我们需要的内容.
举个例子:如果我们对Conv2d不了解,那么在Docs里可以直接搜索Conv2d,就可以得到其详细的解释,如下图
Conv2d哦女

3.Google代替Baidu

博主一开始也是过度依赖百度,现在依旧,正在慢慢从Baidu走向Google

4.Github的开源项目很不错

不得不说,一开始博主基本都是在浏览Github上的Pytorch项目,正是因为有很多有趣的项目才让博主一直坚持下来,并不断的钻研

5.利用jupyter notebook进行 Pytorch 及Python学习

jupyter note具备很好的用户互动模式,玩家可以一边敲代码一边记笔记及知识点以及思路,且代码按Cell进行run,对数据处理可以得到及时反馈,十分方便

6.利用Pycharm 进行程序的编写

Pycharm的Debug功能,自动补齐,Find usage 及 快速查阅等功能十分方便,适合我们用来编写程序及后期的Debug

附录

Pytorch官网
Pytorch官网Tutorials
Pytorch官网Docs
Pytorch中文版Tutorials
Pytorch中文版Docs

PS:喜欢可以点个赞哦,觉得有用也可以搜藏~

等待戈多。
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
TensorFlow 真的要被 PyTorch 比下去了吗？
m0_68101999的博客
03-17 2459
总有人在后台问我，如今TensorFlow和PyTorch两个深度学习框架，哪个更流行？ 就这么说吧，今年面试的实习生，问到常用的深度学习框架时，他们清一色的选择了「PyTorch」。 这并不难理解，这两年，PyTorch框架凭借着对初学者的友好性、灵活性，发展迅猛，几乎占据了深度学习领域的半壁江山。比起TF的框架环境配置不兼容，和Keras由于高度封装造成的不灵活，PyTorch无论是在学术圈还是工业界，都相当占优势。不夸张地说，掌握了PyTorch，就相当于走上了深度...
Pytorch 入门
mengxianglong123的博客
07-28 6368
我们首先定义一个Pytorch实现的神经网络#导入若干工具包importtorchimporttorch.nnasnnimporttorch.nn.functionalasF#定义一个简单的网络类classNet(nn.Module)模型中所有的可训练参数,可以通过net.parameters()来获得.假设图像的输入尺寸为32*32input=torch.randn(1,1,32,32)#4个维度依次为注意维度。...
pythorch学习笔记
浩瀚之水的专栏
10-12 530
Pytorch学习笔记（一）https://blog.csdn.net/kongshuchen/article/details/72190633
pytorch小难点
qq_35914625的博客
12-19 1862
总结pytorch语法 1.scatter_(input, dim, index, src) >>> x = torch.rand(2, 5) >>> x 0.4319 0.6500 0.4080 0.8760 0.2355 0.2609 0.4711 0.8486 0.8573 0.1029 [torch.FloatTensor of size 2x5] LongTensor的shape刚好与x的shape对应，也就是LongTensor每个in
【杂谈】为什么Pytorch这么好用我还苦口婆心推荐初学者也学习一下caffe?
hacker_long的专栏
03-01 829
目前新手开始学习深度学习框架的时候大多是从Pytorch开始的，Pytorch是个好东西，笔者也很喜欢用。但是粉丝们也知道我们公众号讲了许多Caffe的内容，包括我们的季划中的一些简单任...
pytorch快速入门文件
最新发布
10-25
1）pytorch的介绍 2）pytorch的基本操作
第2章 PyTorch快速入门.rar
08-09
在提供的"PyTorch快速入门"课程中，你将看到如何通过Jupyter Notebook实现上述概念，并通过实例理解它们的工作原理。 总之，PyTorch提供了一个强大且灵活的平台，用于深度学习模型的构建和训练。通过深入学习本课程...
Pytorch 快速入门实战之 Fashionmnist
04-24
《PyTorch快速入门实战——FashionMNIST》 在深度学习领域，PyTorch是一款备受推崇的开源框架，尤其适合初学者进行机器学习和深度学习的实践。本教程以FashionMNIST数据集为例，旨在帮助新手快速掌握PyTorch的基本...
pytorch快速入门–构建线性回归
01-20
准备数据  这里用一组比较简单的数据 x_data = torch.Tensor([[1.0],[2.0],[3.0]]) y_data = torch.Tensor([[3.0],[6.0],[9.0]]) 构建线性回归模型 #定义一个线性回归类 class Model(torch.nn.Module): ...
Pythorch概述-1
weixin_39965184的博客
06-29 357
概述 Pytorch与numpy的区别 常用类 常用库 常用链接
pythorch-优化器
weixin_42410915的博客
12-22 522
最近在看莫烦的torch入门讲解，记一下笔记，以后训练网络可以根据具体情况进行优化。 ''' 调包 ''' import torch import torch.utils.data as Data import torch.nn.functional as F import matplotlib.pyplot as plt import numpy as np ''' 随机生成数据 ''' LR = 0.01 batch_size = 32 #因为生成的是数字数据，维度小，数量少，所以batch_s
pythorch创建简单的神经网络源码
热门推荐
东方佑
06-14 18万+
import torch import torch.nn.functional as F import matplotlib.pyplot as plt torch.manual_seed(1) # reproducible 制作数据 x = torch.unsqueeze(torch.linspace(-1, 1, 100), dim=1) # x data (tensor), shap...
【深度学习】PyTorch入门
冷芝士鸭的学习笔记
03-21 2130
1. 环境搭建 1.1 安装PyTorch环境 安装anaconda 打开anaconda的控制台，输入conda create -n pytorch python=3.8，创建一个新的python环境 安装pythorchconda install pytorch torchvision torchaudio cpuonly -c pytorch 清华镜像 首先输这个，更换镜像源（注意顺序，第四条一定要在最后，原因不详） conda config --add channels https:.
PyTorch深度学习
fb_941219的博客
02-07 2762
‒ 原視頻：https://www.bilibili.com/video/BV1Gi4y1m77E/?‒ 自定义一个 **Dataset 类，它是继承自 pytorch的Dataset这个类，这个类主要实现两个功能:一个是根据样本编号index来获取样本特征，如身高体重，以及获取它的类别；epoch 和 batch的关系就好比我们背一本英语单词，有1000个单词，分10个单元，每个单词相当于一个训练样本，把整本书背一遍称为一个epoch，一个单元的单词称为一个batch即是一个批次。
关于集群分布式torchrun命令踩坑记录（自用）
Komach的博客
05-19 2万+
在训练或者微调模型的过程中，单节点的显存溢出，或者单节点的显卡较少，算力有限。需要跨节点用多个节点多块显卡来运行这项任务。这里就需要使用分布式命令，将这项任务分布到多个节点上来处理。
pytorch简介
bestrivern的博客
04-21 9万+
一.Pytorch是什么？   Pytorch是torch的python版本，是由Facebook开源的神经网络框架，专门针对 GPU 加速的深度神经网络（DNN）编程。Torch 是一个经典的对多维矩阵数据进行操作的张量（tensor ）库，在机器学习和其他数学密集型应用有广泛应用。与Tensorflow的静态计算图不同，pytorch的计算图是动态的，可以根据计算需要实时改变计算图。但由于T...
pythorch 学习小记
Brassica_的菜园
11-28 4069
大多数的代码都来自https://morvanzhou.github.io/tutorials/machine-learning/torch 只是自己入门pytorch随便记得东西，然后随手扔上来（markdown都不用了，懒懒懒 tensor： import torch data = [[1,2], [3,4]] tensor = torch.FloatTensor(data)
PyTorch使用总览
AI之路
01-31 8140
深度学习框架训练模型时的代码主要包含数据读取、网络构建和其他设置三方面，基本上掌握这三方面就可以较为灵活地使用框架训练模型。PyTorch是Facebook的官方深度学习框架之一，到现在开源1年时间，势头非常猛，相信使用过的人都会被其轻便和快速等特点深深吸引，因此这篇博客从整体上介绍如何使用PyTorch。 PyTorch的官方github地址：https://github.com/pytorc
pytorch快速入门
05-27
好的，关于PyTorch的快速入门，我先介绍一下PyTorch的基础知识。 PyTorch是一个开源的机器学习框架，它基于Python语言，由Facebook AI Research开发，旨在为深度学习研究提供高度灵活性和效率。它的特点是易于使用，动态图，支持GPU加速计算等。 下面是一个简单的PyTorch程序，包括了创建张量，定义模型，训练模型和测试模型的过程： ``` import torch # 创建张量 x = torch.tensor([[1., 2.], [3., 4.], [5., 6.]]) y = torch.tensor([[2.], [4.], [6.]]) # 定义模型 model = torch.nn.Linear(2, 1) # 定义损失函数和优化器 criterion = torch.nn.MSELoss() optimizer = torch.optim.SGD(model.parameters(), lr=0.01) # 训练模型 for epoch in range(1000): # 前向传播 y_pred = model(x) loss = criterion(y_pred, y) # 反向传播 optimizer.zero_grad() loss.backward() optimizer.step() # 测试模型 x_test = torch.tensor([[7., 8.], [9., 10.]]) y_test = model(x_test) print(y_test) ``` 以上代码实现了一个简单的线性回归模型，首先创建了两个张量x和y，分别代表输入和输出数据。然后定义了一个线性模型，使用MSE损失函数和SGD优化器进行训练。在训练过程中，对模型进行了前向传播和反向传播，最后测试了模型的效果。 这只是PyTorch的入门示例，PyTorch还有很多高级功能，例如自动微分、深度神经网络、卷积神经网络等，在实际应用中可以灵活运用。
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
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