![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
pytorch源码学习
文章平均质量分 74
学习
-左同学-
这个作者很懒,什么都没留下…
展开
-
Pytorch源码学习04--训练分类器
训练分类器数据训练图像分类器加载并标准化 CIFAR10定义卷积神经网络定义损失函数和优化器训练网络保存模型测试数据测试网络在 GPU 上进行训练引用 数据 1.处理图像,文本,音频或视频数据时,可以使用将数据加载到 NumPy 数组中的标准 Python 包。 然后将该数组·转换为torch.*Tensor。 2.对于图像,Pillow,OpenCV等包很有用; 3.对于音频,请使用 SciPy 和 librosa 等包; 4.对于文本,基于 Python 或 Cython 的原始加载,或者 NLTK 和原创 2021-12-27 00:25:12 · 883 阅读 · 0 评论 -
Pytorch源码学习03--神经网络
神经网络前提任务定义网络 前提 1.使用torch.nn包构建神经网络; 2.nn依赖于autograd来定义模型并对其进行微分; 3.nn.Module包含层,以及返回output的方法forward(input)。 注:pytorch里面一切自定义操作基本上都是继承nn.Module类来实现的 任务 对数字图像进行分类的网络: 神经网络的典型训练过程如下: 1.定义具有一些可学习参数(或权重)的神经网络 2.遍历输入数据集 3.通过网络处理输入 4.计算损失(输出正确的距离有多远) 5.将梯度传播回网原创 2021-12-26 13:02:45 · 497 阅读 · 0 评论 -
Pytorch源码学习02--torch.autograd
Pytorch源码学习02--torch.autograd概念背景用法引用 概念 torch.autograd是 PyTorch 的自动差分引擎,可为神经网络训练提供支持。 背景 神经网络(NN)是在某些输入数据上执行的嵌套函数的集合。 这些函数由参数(由权重和偏差组成)定义,这些参数在 PyTorch 中存储在张量中。 训练 NN 分为两个步骤: 正向传播 在正向传播中,NN 对正确的输出进行最佳猜测。 它通过其每个函数运行输入数据以进行猜测。 反向传播 在反向传播中,NN 根据其猜测中的误差调整其参数。原创 2021-12-21 12:15:25 · 756 阅读 · 0 评论 -
Pytorch源码学习01
Pytorch源码学习01什么是 PyTorch?张量张量初始化1. 直接生成张量2. 通过Numpy数组来生成张量二级目录三级目录 什么是 PyTorch? PyTorch 是基于以下两个目的而打造的python科学计算框架: (1)无缝替换NumPy,并且通过利用GPU的算力来实现神经网络的加速。 (2)通过自动微分机制,来让神经网络的实现变得更加容易。 张量 张量如同数组和矩阵一样, 是一种特殊的数据结构。在PyTorch中, 神经网络的输入、输出以及网络的参数等数据, 都是使用张量来进行描述。 im原创 2021-12-20 23:37:58 · 985 阅读 · 0 评论