Pytorch
文章平均质量分 92
一蓑烟雨晴
这个作者很懒,什么都没留下…
展开
-
PyTorch(六)——PyTorch可视化
可以想象这样的场景,数据通过网络向前传播,网络某一层我们预先设置了一个钩子,数据传播过后钩子上会留下数据在这一层的样子,读取钩子的信息就是这一层的特征图。与卷积核相对应,输入的原始图像经过每次卷积层得到的数据称为特征图,可视化卷积核是为了看模型提取哪些特征,可视化特征图则是为了看模型提取到的特征是什么样子的。中就研究了CNN各个层的卷积核的不同,他们发现靠近输入的层提取的特征是相对简单的结构,而靠近输出的层提取的特征就和图中的实体形状相近了。通过上面的两步,我们就得到resnet18的模型结构。...转载 2022-08-01 07:35:04 · 759 阅读 · 1 评论 -
PyTorch(五)——PyTorch进阶训练技巧
自定义损失函数以函数方式定义以类方式定义动态调整学习率使用官方scheduler自定义scheduler模型微调-torchvision模型微调的流程使用已有模型结构训练特定层模型微调-timm如何查看预训练模型种类使用和修改预训练模型模型的保存推荐资料半精度训练半精度训练的设置数据增强-imgaugimgaug简介和安装imgaug的使用单张图片处理对批次图片进行处理对不同大小的图片进行处理imgaug在PyTorch的应用总结使用argparse进行调参转载 2022-07-22 15:31:29 · 1099 阅读 · 0 评论 -
PyTorch(四)——PyTorch模型定义
PyTorch模型定义的方式equentialModuleListModuleDict三种方法比较与适用场景利用模型块快速搭建复杂网络U-Net简介U-Net模型块分析U-Net模型块实现利用模型块组装U-NetPyTorch修改模型修改模型层添加外部输入添加额外输出PyTorch模型保存与读取模型存储格式模型存储内容单卡和多卡模型存储的区别情况分类讨论...转载 2022-07-21 22:41:08 · 1980 阅读 · 0 评论 -
Pytorch(三)——FashionMNIST时装分类
FashionMNIST数据集中包含已经预先划分好的训练集和测试集,其中训练集共60,000张图像,测试集共10,000张图像。由于任务较为简单,这里我们手搭一个CNN,而不考虑当下各种模型的复杂结构,模型构建完成后,将模型放到GPU上用于训练。训练完成后,可以使用torch.save保存模型参数或者整个模型,也可以在训练过程中保存模型。在构建训练和测试数据集完成后,需要定义DataLoader类,以便在训练和测试时加载数据。读入后,我们可以做一些数据可视化操作,主要是验证我们读入的数据是否正确。...转载 2022-07-21 10:52:27 · 200 阅读 · 0 评论 -
Pytorch(二)——PyTorch的主要组成模块
基本配置数据读入模型构建模型初始化损失函数训练和评估Pytorch优化器原创 2022-07-14 23:06:32 · 532 阅读 · 10 评论 -
Pytorch(一)——Pytorch基础知识
包含张量基本运算,自动求导,并行计算简介三部分原创 2022-07-14 15:46:49 · 1021 阅读 · 0 评论