pytorch框架学习——（2）

已于 2023-09-01 18:22:48 修改
阅读量98 收藏
点赞数
分类专栏： pytorch框架学习 文章标签： pytorch 学习 人工智能
于 2023-09-01 18:22:21 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_62965644/article/details/132628391
版权

接下来以线性回归模型对pytorch框架进行一个介绍

在pytorch中对于任何一个模型都要先定义一个模型的内，在这个模型类中super下和前向传播中将会记录数据经过哪些层（卷积层，池化层等），这样就可以建立一个基本的模型

接下来指定参数和损失函数

首先是学习的次数和学习率，其次要指定优化器，pytorch中有很多种优化器可以选择，这里选择最基本的SGD就行，其次要指定损失函数，pytorch中也提供了非常多的损失函数，也可以自行选择。

然后定义一下参数

然后是训练参数，这里要注意每次把优化器清零和进行参数更新

然后预测一下（就是直接前向传播一下）

然后是保存和加载模型

可以发现模型是以字典的形式进行保存的

努力编程的阿曼
关注
专栏目录
PyTorch深度学习实战（2）——PyTorch基础
盼小辉丶的博客
06-04 4万+
PyTorch 是广泛应用于机器学习领域中的强大开源框架，因其易用性和高效性备受青睐。在本节中，将介绍使用 PyTorch 构建神经网络的基础知识。首先了解 PyTorch 的核心数据类型——张量对象。然后，我们将深入研究用于张量对象的各种操作。PyTorch 提供了许多帮助构建神经网络的高级方法及组件，并提供了利用 GPU 更快地训练神经网络的张量对象。
PyTorch深度学习 —— 基于小土堆视频等资料.zip
05-09
在PyTorch深度学习中，我们探讨的是一个强大的开源机器学习框架，它为构建和训练复杂的神经网络提供了灵活且直观的接口。PyTorch源于Facebook的AI研究团队，被广泛应用于学术界和工业界，特别是在自然语言处理、...
PyTorch深度学习——框架简介
just do it
04-02 1992
在静态图的计算中，构建前向的计算操作的同时也会构建一个反向传播的梯度计算，这样前向的计算图构建完毕伴随着反向计算图的构建完毕，有了损失函数之后，就可以从损失函数所在的张量的边开始逐渐沿着反向计算图获取对应的梯度与静态图的构建相比，动态图在构建前向计算图的时候则是给每个输出张量绑定一个反向传播的梯度计算函数，当计算图达到最终的损失函数的张量的时候，直接调用该张量对应的反向传播函数，并不大根据前向计算图进行递归的反向传播函数的调用，最后到达输入张量，即可求得每个权重张量对应的梯度张量。
pytorch框架学习——Hub模块
qq_62965644的博客
09-06 131
首先我们来讲解一下什么是model_zoo，简单来说model_zoo就是直接借用别人好的模型结构或者预训练的模型来使用。可以在pytorch hub官网上查看一些模型。仅一行代码就可以加载别人的优秀模型，并且会不断更新，例如点开一个yolo项目。我们可以在GitHub上查看，也可以用谷歌提供的环境来进行实验（需要魔法）
【PyTorch框架】——框架安装&使用流程&搭建PyTorch神经网络气温预测
weixin_51658186的博客
05-19 1773
由于是初学者可能很多地方没有总结完全或者有误，后续深入学习后会不断回来该删，也欢迎各位朋友指正！
pytorch框架学习——手写数字预测（主要介绍pytorch中一些方法）
qq_62965644的博客
09-23 218
使用pytorch中我们可以使用TensorDataset和DataLoader对数据集进行简化，首先是TensorDataset，它可以将我们已经转化为tensor的数据进行合并，构成数据集，而DataLoader则是对TensorDataset的数据集进行操作，它会自动地帮我们取出一个批次所需要的数据量。首先是获取手写数字的数据集，mnist是一个有名的手写数字的数据集，由784个像素点组成，且都为黑白色。先来一点插曲，pytoch中nn.functionhenn.Module的区别在哪呢？
pytorch入门学习——网络搭建
shengMio的博客
10-26 892
根据CIFAR-10数据集完成分类任务。
PyTorch强化学习——PyTorch基础详解
2301_81888214的博客
02-28 1270
我们将使用 PyTorch 作为实现强化学习算法的数值计算库。PyTorch 是 Facebook 开发的科学计算和机器学习库，张量 (Tensor) 是 PyTorch 中的核心数据结构，类似于 NumPy 中的 ndarray。
基于Pytorch深度学习——多层感知机
EchoToMe的博客
05-02 1323
本文章来源于对`李沐动手深度学习`代码以及原理的理解，并且由于李沐老师的代码能力很强，以及视频中讲解代码的部分较少，所以这里将代码进行**尽量逐行详细解释** 并且由于pytorch的语法有些小伙伴可能并不熟悉，所以我们会采用**逐行解释+小实验**的方式来给大家解释代码 基于Pytorch深度学习——多层感知机
PyTorch学习记录——PyTorch生态
maximejia的博客
07-24 1268
Pytorch生态主要包括torchvision、torchtext以及PyTorchVideo库，分别面向图像、自然语言和视频数据的处理、训练和预训练模型使用，极大的方便了在相应领域中进行算法研究和应用开发。
pytorch框架学习（13）——可视化工具TensorBoard
01-20
在PyTorch框架的学习中，理解并掌握可视化工具至关重要，因为可视化可以帮助我们更好地理解模型的训练过程、损失函数的变化以及权重分布等。本篇将详细介绍PyTorch中的可视化工具——TensorBoard。 **1. ...
Pytorch详解-Pytorch核心模块
ZPC8210的博客
10-05 776
由于交叉熵是在所有训练样本上平均的正确标签的预测概率的负对数，因此一种解释结果数的方法，例如，2.23是e ^ -2.23，平均值约为0.1，作为正确标签的预测概率。降低损失，改善模型。Pytorch基于已有的张量库Torch开发，在PyTorch的早期版本中，使用的是Torch7，后来随着PyTorch的发展，逐渐演变成了PyTorch所使用的张量库。如果我们仅通过选择最后20％的图像来选择20％的验证集，则验证集将仅包括8s和9s的图像，而训练集将不包含8s和9s的图像，这样就不可能训练一个好的模型。
pytorch线性/非线性回归拟合
雷东宸的博客
09-30 1542
简单实现在深度学习中，如何利用pytorch把线性回归、非线性回归通过神经网络快速拟合出来。
使用pytorch进行迁移学习的两个步骤
liugan528的博客
10-02 298
迁移学习一般都会使用两个步骤进行训练： 1. 固定预训练模型的特征提取部分，只对最后一层进行训练，使其快速收敛； 2. 使用较小的学习率，对全部模型进行训练，并对每层的权重进行细微的调节。
66 使用注意力机制的seq2seq_by《李沐：动手学深度学习v2》pytorch版
buyaotutou的博客
09-30 852
Seq2seq中通过隐状态在编码器和解码器中传递信息注意力机制可以根据解码器RNN的输出来匹配到合适的编码器RNN的输出来更有效的传递信息下面看看如何定义Bahdanau注意力，实现循环神经网络编码器-解码器。其实，我们只需重新定义解码器即可。为了更方便地显示学习的注意力权重，以下类定义了[带有注意力机制解码器的基本接口#@save"""带有注意力机制解码器的基本接口"""@propertydef attention_weights(self): #画图所需代码。
「小土堆」pytorch DataSet
weixin_45814538的博客
10-02 484
​ 视频中一开始是先写class的以至于一开始没有弄懂 ‘root_dir’ 和 ‘label_dir’ 是干什么的，在创建实例之后进行传参就可以很好的理解了，前者是指文件夹的路径，后者是文件夹下的分类，由于文件夹下面分别有两个类别的例子，所以分为root和label两类。​ os.listdir()此函数是返回self.path路径下包含的文件夹或文件夹的名字的列表，重点是它返回的是一个列表，这个列表中包含了文件夹下面的文件的信息。
[已解决] Install PyTorch 报错 —— OpenOccupancy 配环境
weixin_57972634的博客
10-02 583
OpenOccupancy: 语义占用感知对于自动驾驶至关重要，因为自动驾驶汽车需要对3D城市结构进行细粒度感知。然而，现有的相关基准在城市场景中缺乏多样性，并且它们仅评估前视图预测。为了对周围感知算法进行全面的基准测试，我们提出了OpenOccupancy，这是第一个周围语义占用感知基准。在OpenOccupancy基准测试中，我们用密集的语义占用注释扩展了大规模的nuScenes数据集。 (gitee.com)
【pytorch】权重为0的情况
最新发布
weixin_45207619的博客
10-05 227
记录一下上述代码，体现了隐含层和输出层的权重为全0时的结果，可惜奇怪的是李沐的例子中权重改为全0仍然能够成功训练，目前还不知道为什么。
动手学深度学习——PyTorch框架入门
"Pytorch框架_深度学习.pdf" 在深入探讨PyTorch框架之前，我们需要先理解一些深度学习的基础知识，这些知识在书籍的前几章中被详细讲解。本书的作者包括Aston Zhang、Zachary C. Lipton、Mu Li和Alexander J. Smola...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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