【Day3】Pytorch回顾(下)

依然有问题…不知道咋了。只能将源码粘贴过来了。

# 迭代1000次
for epoch in range(epochs):
    epoch += 1
    # 注意转行成tensor
    inputs = torch.from_numpy(x_train)
    labels = torch.from_numpy(y_train)
    # 梯度要清零每一次迭代(不清零会自动累加!!(上篇中说过))
    optimizer.zero_grad() 
    # 前向传播
    outputs = model(inputs)
    # 计算损失
    loss = criterion(outputs, labels)
    # 反向传播
    loss.backward()
    # 更新权重参数
    optimizer.step()
    if epoch % 50 == 0:
        print('epoch {}, loss {}'.format(epoch, loss.item()))

测试模型预测结果展示:

predicted = model(torch.from_numpy(x_train).requires_grad_()).data.numpy()

array([[ 1.0007416],
[ 3.0006347],
[ 5.000528 ],
[ 7.000421 ],
[ 9.000315 ],
[11.000208 ],
[13.000101 ],
[14.999994 ],
[16.999887 ],
[18.99978 ],
[20.999674 ]], dtype=float32)

模型的保存与读取

# 全部数据
torch.save(model.state_dict(), 'model.pkl')
# 保存模型的参数
model.load_state_dict(torch.load('model.pkl'))

在GPU运行的样子

# 关键步骤如果有cuda就用cuda,否则CPU(默认)
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
# 放到device中
model.to(device)
# 输入、输出也要放到device中
inputs = torch.from_numpy(x_train).to(device)
labels = torch.from_numpy(y_train).to(device)

tensor常见形式
scalar:一个数值
例如:tensor(42.)
scalar.dim() 为0

vector:一个向量
例如:tensor([身高,体重,年龄])
vector.dim() 为1
vector.size() 为3

matrix:矩阵
例如:tensor([ [a,b],
[c,d] ])
Matrix1.matmul(Matrix2) 矩阵内积
Matrix1*Matrix2 点积

n-dimensional tensor:高维特征
几种形状的tensor
hub:一句话调用别人训练好的模型。
GITHUB:https://github.com/pytorch/hub
模型:https://pytorch.org/hub/research-models
例如:例子1
colab可以在网页上执行。很方便!!
很多最直接、最简单的实验都能在hub上做哦!

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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