![](https://img-blog.csdnimg.cn/direct/a3b8e4ef30c8497f80f86971b3ee8695.jpeg?x-oss-process=image/resize,m_fixed,h_224,w_224)
pytorch
文章平均质量分 76
pytorch开源框架
樱花的浪漫
梦想还是要有的,更要成为一名不懈追求梦想的人
展开
-
tensorflow常用函数
边界框以[y1,x1,y2,x2]的形式提供,其中(y1,x1)和(y2,x2)是框角的任何对角线对的坐标,坐标可以提供为标准化(即位于间隔[0,1])或绝对坐标。此操作的输出是一组整数,索引到表示选定框的边界框的输入集合中。张量的第-行指定图像中框的坐标,并以归一化坐标指定。的归一化坐标值映射到处的图像坐标,因此归一化图像高度的区间映射到图像高度坐标中。2个元素的一维张量,.所有裁剪的图像块都将调整为此大小。不保留图像内容的纵横比。返回张量或变量的尺寸,作为int或None项的元组。...原创 2022-05-12 21:14:26 · 798 阅读 · 0 评论 -
pytorch:dataloader自定义数据集制作
1.数据和标签的目录结构先搞定2.写好读取数据和标签路径的函数(根据自己数据集情况来写)3.完成单个数据与标签读取函数我们以用txt文件指定数据路径与标签为实际例子数据集情况,train_filelist存入训练集图片,val_filelist存入验证集图片,train.txt、val.txt分别存入图片名称及标签。...原创 2022-08-06 14:58:14 · 2831 阅读 · 0 评论 -
pytorch:图像识别模型与自适应策略
其中,数据的目录结构为flower_data下有训练数据train和测试数据valid,train/valid下存入对应花的种类的文件夹。加载models中提供的模型,并且直接用训练的好权重当做初始化参数。output表示对一个batch中每一个数据得到其属于各个类别的可能性。重新设置自己的输出层,并设置不更新输出层以下的权重。首先,我们先不更新权重,只调节全连接层的权重。使用imageFolder方法加载数据集。加载resnet18模型。解冻训练,更新所有的参数。读取标签对应的实际名字。...原创 2022-08-05 16:08:44 · 1086 阅读 · 0 评论 -
pytorch的使用:卷积神经网络模块
pytorch与tensorflow 2相比,pytorch更注重过程,pytoch卷积模块需要指定输入通道数和输出通道数,卷积核的参数总数为。另外pytorch特征维度为batch*channels*h*w,channels在第二维度。定义准确率作为验证集评估指标。...原创 2022-08-04 17:23:08 · 700 阅读 · 0 评论 -
pytorch的使用:使用神经网络进行气温预测
数据表中年月日都是时间方面的特征,我们将它转换为时间类型的数据,方便我们的绘图展示 我们再用图直观的将数据展示出来: 将文本数据转换为独热编码: 在特征中去掉标签列: 对数据进行标准化处理:包括:权重参数初始化、计算隐层、加入激活函数、预测结果、计算损失、返向传播计算、更新参数。另外,每次迭代都得记得清空梯度,否则梯度会累加 直接使用nn.Model 训练网络:...原创 2022-08-04 16:18:41 · 1411 阅读 · 0 评论 -
pytorch常用函数
torch.maxinputdim*out=Nonetorch.max。原创 2022-08-01 17:02:05 · 661 阅读 · 0 评论 -
pytorch基本操作:使用神经网络进行分类任务
首先,读取Mnist数据,在深度学习框架中,数据的基本结构是tensor,据需转换成tensor才能参与后续建模训练,原创 2022-08-01 16:57:46 · 1036 阅读 · 0 评论 -
线性回归实现(Tensorflow/pytorch)
1.tensorflow 2.0(1)生成数据集import tensorflow as tfnum_inputs = 2num_examples = 1000true_w = [2, -3.4]true_b = 4.2features = tf.random.normal(shape=(num_examples, num_inputs), stddev=1) # 特征labels = true_w[0] * features[:, 0] + true_w[1] * features原创 2022-06-10 21:02:38 · 200 阅读 · 0 评论 -
pytorch基本操作(对比tensorflow 2)
1.pytorch基本操作无论是pytorch还是tensorflow 2,基本操作均与numpy相同(1)创建张量pytorch:torch.empty(5,3)tensor([[7.9604e-11, 4.2179e-43, 7.9606e-11], [4.2179e-43, 7.9598e-11, 4.2179e-43], [7.9581e-11, 4.2179e-43, 7.9608e-11], [4.2179e-43, 7.9原创 2022-05-30 21:20:26 · 415 阅读 · 0 评论