小土堆视频:P4. PyCharm及Jupyter使用及对比_哔哩哔哩_bilibili
pytorch官网讲解了详细的知识点PyTorch documentation — PyTorch 2.0 documentation
1、细节知识
shift+enter进入下一行的首处
ctrl+P提示输入的参数
2、pytorch加载数据:dataset和Dataloader![11111](https://i-blog.csdnimg.cn/blog_migrate/67f85ccfd0428f46e5e1e93c7b4d359e.png)
dataset只是提供这个数据集(一副扑克牌)
dataloader相当于一个手 每次去dataset中怎么取牌 拿几张怎么拿
3、Tensorboard
可以用图像形式 来展示训练的结果情况
4、transforms 对图片进行变换
ToTensor:将图片转换为张量
5、卷积
in_channels和out_channels为输入输出的通道数
图片输入是三通道RGB,三个通道分别的颜色 组成了一张图片
batch_size:表示单次传递给程序用以训练的数据(样本)个数。比如我们的训练集有1000个数据。这是如果我们设置batch_size=100,那么程序首先会用数据集中的前100个参数,即第1-100个数据来训练模型。当训练完成后更新权重,再使用第101-200的个数据训练,直至第十次使用完训练集中的1000个数据后停止
6、池化
dilation:空洞卷积,卷积核中间是隔着来的
floor和ceil模式:往下取小还是往上取大,ceil是保留
用池化核取这一块中最大的值
torch.Resize(20,100,30,30):bitchsize、channels、高、宽
7、非线性层激活函数
跟在卷积之后
8、线形层 Linear
把一个5*5的图片展成一行25个的,再变成一行3个的(此处最后的3是因为要分成三个类别)
总共是两个线性层
最后输出是10,代表是10分类
9、损失:分类的交叉熵损失函数
比如10分类问题,最后神经网络的输出是10个数代表每一类的概率值
对这个概率值和target进行代入计算损失值
10、反向传播
使用backward可以计算出每个需要调节的参数W的梯度值grad,
11、优化器optimizer根据这个梯度进行更新
定义优化器、学习率lr
optim.step进行优化
12、区分
定义Softmax回归是逻辑回归的一种形式,它可以将输入值归一化为值的向量,该向量遵循概率分布,其总和为1