pytorch深度学习笔记
文章平均质量分 74
勇敢牛牛@
接受平庸
展开
-
深度学习中的函数(一)
1)python实现文件解压2)python实现遍历文件夹下的子文件3)断点续训4)模型训练及测试5)tensorboard可视化原创 2022-11-22 15:58:37 · 513 阅读 · 0 评论 -
AI Studio 永久性使用pytorch框架
(亲测有效)1.登录百度AI Studio创建项目网址:百度 AI Studio步骤1.选择Notebook类型,然后下一步2.我选择的AI Studio经典版;PaddlePaddle 选择2.0版本,点击下一步3.项目名称、标签、描述自己根据需求设置;注:这里这个数据集选项,1.如果自己喜欢在Notebook里面运行程序,只需要把自己的数据集在电脑中压缩,然后以压缩包的形式上传即可。2.如果是自己框架的程序,比如tensorflow和pytorch框架的程序,这里建议和数据集一起以压缩包原创 2021-10-09 22:13:48 · 8975 阅读 · 24 评论 -
pytorch深度学习(二)模型小结
总结一下最近一段时间,用 pytorch 实现深度神经网络模型的整体架构。如果要求我们自己写深度模型,我们该怎么构建模型框架。我总结的深度回归模型是从5个方面创建,方法不是唯一的——构建的思路我也会不断的更新和修改,以及后续添加新的模型(一)pytorch 神经网络线性回归模型框架1.准备数据集 - 可以加入数据增强方法2.搭建自己的模型(2.1)对于简单的线性模型我们可以直接用model=nn.Linear(input,output),训练模型时直接调用模型就可以了。(2.2)对于神经网原创 2021-09-11 21:29:27 · 331 阅读 · 1 评论 -
pytorch深度学习笔记(二)- pytorch框架搭建一个简单的神经网络模型
通过pytorch框架搭建一个简单的神经网络模型如何基于pytorch深度学习框架用简单快捷的方式搭建出复杂的神经网络模型,同时让模型参数的优化方法趋于高效。如何使用pytorch中的自动梯度方法,在搭建复杂的神经网络模型的时候,我们也可以使用pytorch中已定义的类和方法,这些类和方法覆盖了神经网络中的线性变换、激活函数、全连接层、池化层等常用的神经网络结构的实现。在完成模型的搭建之后,我们还可以使用pytorch提供的类型丰富的优化函数来完成对模型的优化。(一)模型初始化 - 导包、设置参数原创 2021-07-23 16:07:14 · 717 阅读 · 0 评论 -
pytorch深度学习笔记(一)
深度卷积神经网络(AlexNet)在2012年前,图像特征都是机械地计算出来的。事实上,设计一套新的特征函数、改进结果,并撰写论文是盛极一时的潮流。SIFT [Lowe, 2004]、SURF [Bay et al., 2006]、HOG(定向梯度直方图) [Dalal & Triggs, 2005] 、bags of visual words 和类似的特征提取方法占据了主导地位。另一组研究人员,包括Yann LeCun、Geoff Hinton、Yoshua Bengio、Andrew Ng、转载 2021-05-02 12:37:32 · 1249 阅读 · 1 评论