![](https://img-blog.csdnimg.cn/direct/3f17362d72be48f5bc0012ff6abc3581.jpeg?x-oss-process=image/resize,m_fixed,h_224,w_224)
AI系列
文章平均质量分 87
与AI相关的实践与学习
remandancy.h
这个作者很懒,什么都没留下…
展开
-
PyTorch(七)模型的保存与加载
仅保存模型的参数(状态字典)是更加推荐的方式,因为它更加灵活和安全。但是,如果你想要快速保存和加载整个模型,不担心模型结构变化或安全问题,保存整个模型也是一个可行的选择。原创 2024-07-02 19:05:24 · 578 阅读 · 0 评论 -
PyTorch(六)优化模型参数
c 目的 优化的目的已经拥有了一个「模型」和「数据」,是时候通过「优化模型参数」来训练、验证和测试模型。#d 迭代训练训练模型是一个迭代过程;在每次迭代中,模型对输出做出猜测,计算其猜测的误差(损失),收集误差相对于其参数的导数,并使用「梯度下降」来优化这些参数。原创 2024-07-02 17:57:30 · 471 阅读 · 0 评论 -
PyTorch(五)自动微分
c 概述 文档概述涉及到的知识点讲解:「自动微分」,「梯度」,「权重」,「偏置」,「反向传播」,「计算图」。主要讲解了「自动微分」与「梯度计算」,「计算图」之间的概念关系。原创 2024-06-28 14:07:58 · 804 阅读 · 0 评论 -
PyTorch(四)数据转换与构建神经网络
d 神经网络定义通过继承nn.Module来定义神经网络,并在__init__方法中初始化神经网络层。每一个nn.Module的子类都在forward方法中实现了对「输入数据」的操作。#e 定义代码 神经网络定义def __init__(self):#初始化神经网络层super().__init__()#调用父类的初始化方法self.flatten = nn.Flatten()#将图像张量展平。原创 2024-06-26 08:30:38 · 518 阅读 · 0 评论 -
PyTorch(三)数据集与数据加载器
c 要素 自定义数据集要素__init__:初始化函数,用于设置数据集的属性,如加载数据、预处理步骤等。__len__:返回数据集中样本的数量。这个函数使得Dataset对象可以被len()函数调用,通常返回数据集中样本的总数。:根据索引获取单个样本。这个函数允许通过索引访问数据集中的每个样本。索引从0开始,对应于数据集中的第一个样本。#e 三要素 自定义数据集要素import osself.img_labels = pd.read_csv(annotations_file)#读取CSV文件。原创 2024-06-22 12:06:00 · 451 阅读 · 0 评论 -
PyTorch(二)张量
c 总结 张量总结该文档主要熟悉了「张量」的概念,理解了「张量」在深度学习中扮演的重要角色,如何判断代码中哪些属于张量。其次熟悉了张量的「四种初始化」,以及「张量属性」,「张量操作」原创 2024-06-21 23:15:53 · 728 阅读 · 0 评论 -
PyTorch(一)模型训练过程
c 总结 实践总结该实践从「数据处理」开始到最后利用训练好的「模型」预测,感受到了整个模型的训练过程。其中也有部分知识点,例如定义神经网络,只是初步的模仿,有一个比较浅的认识,还需要继续学习原理。「准备数据」,「创建数据加载器」,「选择训练设备」,「定义神经网络」,「定义损失函数和优化器」,「定义训练和测试函数」,「迭代训练」,「保存模型」,「加载模型」,「模型预测」。1.Dataset与DataLoader2.迭代器3.模型定义4.损失函数与优化器5.模型训练与测试。原创 2024-06-21 11:22:36 · 922 阅读 · 0 评论 -
天池人脸识别项目复现
c 说明 模型定义创建数据接⼝后,开始定义⼀个⽹络 simpleconv3。一个简单的 3 层卷积。在 torch.nn 下,有各种网络层,这里就用到了 nn.Conv2d,nn.BatchNorm2d 和 nn.Linear,分别是卷积层,BN 层和全连接层。in_channels:输入通道数out_channels:输出通道数kernel_size:卷积核的大小stride:卷积核的移动步长#e 模型定义的代码 模型定义# 定义一个简单的卷积神经网络。原创 2024-06-20 11:53:54 · 1548 阅读 · 0 评论