pytorch
文章平均质量分 55
许野平
非常喜欢软件设计这份工作,有不错的数学基础,喜欢读书、摄影与音乐。
展开
-
Rust:如何使用 Pytorch 深度学习模型?
crate需要与LibTorch库一起使用,因此你需要在系统中安装LibTorch,并确保Rust程序在编译时能够找到它。下面是一个简单的例子,展示了如何在Rust程序中加载一个PyTorch模型并进行预测。假设你已经有一个训练好的PyTorch模型,例如一个简单的线性回归模型,并将其保存为。最后,请确保你的Rust环境已经正确设置,并且你已经安装了与你的PyTorch模型兼容的LibTorch库。请注意,这个例子假设你已经有了一个训练好的PyTorch模型,并且该模型是用PyTorch的。原创 2024-05-17 18:19:53 · 537 阅读 · 0 评论 -
在 Windows 下搭建自己的深度学习开发环境
Anaconda是一个开源的Python发行版本,它包含了Python和众多常用的科学计算类的库,如pandas、numpy、matplotlib等,以及一个强大的包管理器conda。这些库使得数据分析、可视化和处理变得更为方便。此外,Anaconda还集成了机器学习库,如Scikit-learn,适用于机器学习和深度学习等广泛的使用场景。Anaconda的特点之一是它包含了Conda,一个强大的包管理和环境管理工具。用户能够利用conda轻松创建、导出、安装和更新环境,避免环境混乱的问题。原创 2024-04-23 09:39:25 · 1545 阅读 · 0 评论 -
Pytorch 的 LSTM 模型的简单示例
Pytorch 的 LSTM 模型的简单示例原创 2023-05-28 17:43:39 · 6258 阅读 · 2 评论 -
如何检查 Pytorch 所使用的 Cuda 版本?
这个命令将返回当前PyTorch安装所使用的CUDA版本。如果返回值为None,那么PyTorch并未使用CUDA。请注意,如果您同时安装了多个CUDA版本,则PyTorch将使用其中的一个版本。在这种情况下,建议您先通过nvcc -V命令检查各版本CUDA的版本号,并确认PyTorch使用的是您所期望的版本。原创 2023-05-28 16:29:44 · 5302 阅读 · 0 评论 -
利用 Pytorch 加载词向量库文件
加载词向量两以及使用词向量的例子。原创 2023-05-27 13:18:22 · 1184 阅读 · 0 评论 -
pytorch 提供了几个子模块?
以上是PyTorch主要的子模块,每个子模块又包含多个子模块和功能。原创 2023-05-25 10:21:42 · 182 阅读 · 0 评论 -
GPT4生成的 MNIST 算法模型和后续的改进实验
用 GPT4 生成了 MNIST 算法模型。第一个模型,查找一下,发现于某教材内容几乎完全一样。感觉这家伙肯定后台参考了某个现成的数据库。重新生成了一个,感觉结构有些奇葩,而且有个别错误,稍作调整,训练一下,准确率大约 82%。运行了一下,精度 85%。原创 2023-05-24 16:47:36 · 467 阅读 · 0 评论 -
Pytorch 中如何对训练数据进行增强处理?
假设我们的数据集是一个手写数字的图像数据集,其中每一张图像包含一个手写数字和对应的标签。我们可以通过随机旋转、平移、缩放和翻转等操作,对原始的图像进行变换增广(Data Augmentation)以增强模型的训练效果。然后,我们可以利用这个变换来对原始数据集进行处理,生成一个新的增广后的数据集。在实际使用过程中,可以将多个变换组合起来,以更大程度地提高模型的性能。操作来随机对图像进行旋转,最大旋转角度设置为30度,并将图像转换为。在上面的代码中,我们首先定义了一个。变换,其中包含了一个。原创 2023-05-24 16:34:53 · 443 阅读 · 0 评论 -
Pytorch 中张量的数据结构
它是 PyTorch 广泛使用的核心数据结构,用于表示神经网络中的数据,包括输入数据,参数以及梯度等。与 NumPy 中的 ndarrays 类似,PyTorch 张量也可以进行类似的数学和操作。需要注意的是,对原始张量进行 reshape 操作实际上可以看作在内存中设法切割/拼接数据来新建一个张量对象,并不影响原始张量。我们还可以通过各种张量操作来改变张量的形状、增删元素以及级联此类更高级的数据转换。分别创建了两个张量,并打印出了这些张量的形状、数据类型和存储设备等属性信息。上述代码中首先通过调用。原创 2023-05-23 09:28:57 · 315 阅读 · 0 评论 -
torchvision.datasets.MNIST 的数据结构
对于 MNIST 数据集中的每一个图像, torchvision.datasets.MNIST 返回一个由两个元素组成的元组。第一个元素是 PIL.Image.Image 对象类型的图像,表示该图像的像素矩阵。而第二个元素则是一个整数,表示该图像所代表的数字。MNIST 数据集包含了大量的手写数字图像,每个图像都是 28 x 28 像素大小的灰度图像。通过这些代码,我们可以看到 MNIST 数据集中的每个样本都是一个尺寸为(1, 28, 28)的张量,其中 1 表示普通的灰度图像。原创 2023-05-23 09:26:06 · 1104 阅读 · 0 评论 -
MNIST手写体识别训练过程数据流图
MNIST手写体识别训练过程数据流图。原创 2023-05-23 09:20:38 · 225 阅读 · 0 评论 -
torch、torch.nn、 torch.optim、torchvision、 torchvision.transforms 功能简介
命令将 PyTorch 框架导入到 Python 程序中,这样我们就可以使用 PyTorch 提供的各种功能了。PyTorch 是一个用于科学计算的机器学习库,具有以下重要功能:张量(Tensor)操作:PyTorch 引入了张量作为其核心数据结构,对张量进行各种操作(如加、减、乘、除、矩阵乘法、转置等)。自动求导:PyTorch 具有自动求导系统,能够自动计算输入变量关于输出变量的导数,并将反向传播算法应用于神经网络中。原创 2023-05-22 18:42:57 · 3369 阅读 · 0 评论 -
在 C++ 中使用 PyTorch
PyTorch 提供了 C++ 前端 API 接口,可以直接在 C++ 中使用 PyTorch 的相关功能。您可以使用 C++ API 在 C++ 代码中构建、训练和部署深度学习模型。6.使用 C++ API 加载和运行 Torch Script 模型或使用 ONNX Runtime 加载和运行 ONNX 模型。上述代码实现了一个使用 C++ API 训练 MNIST 数字识别模型并在每 100 批次后输出损失值的示例。4.在训练周期中使用 C++ API 优化模型。原创 2023-05-22 16:19:47 · 2514 阅读 · 0 评论 -
重写 MNIST 手写体识别模型,并启用多块 GPU并行计算
可惜在我用的服务器上不能运行,程序卡死在训练过程。咨询了一下,原因是我的服务器安装了 8 块K80显卡,由于卡之间通讯问题,不能这样使用。据说,K80 只能同时选择偶数序号卡或奇数序号卡。指定了第 0 块卡。测试了一下,可以运行。原创 2023-05-22 15:14:07 · 506 阅读 · 0 评论 -
关于PyTorch中的 torch.utils.data.DataLoader
torch.utils.data.DataLoader是PyTorch中一个用于数据加载的工具类,主要用于将样本数据划分为多个小批次(batch),以便进行训练、测试、验证等任务。该类支持多线程异步数据读取和数据预处理,使得模型训练更高效、更快速。使用DataLoader时需要传入一个Dataset对象,Dataset对象提供了访问样本数据的接口。例如,可以使用PyTorch提供的torchvision.datasets中的一些内置数据集(如MNIST、CIFAR-10等)来构建Dataset对象。原创 2023-05-22 09:05:21 · 1058 阅读 · 0 评论 -
在 windows 下如何安装 pytorch?
安装完成后,可以通过创建一个 Python 脚本来测试 PyTorch 是否正确安装。这个命令会安装 PyTorch 1.8.1、torchvision 0.9.1 和 torchaudio 0.8.1.运行这个脚本并检查输出是否为 PyTorch 的版本号,如果输出正确则 PyTorch 安装成功。在 Windows 上安装 PyTorch 可以使用 pip 或 conda 管理包。希望这些步骤能够帮助您成功安装 PyTorch。打开命令提示符或 PowerShell;原创 2023-05-21 15:19:54 · 950 阅读 · 0 评论 -
Python 中的函数微分是如何实现的?
可以使用 PyTorch 中的自动微分功能来计算函数的导数。在这个例子中,我们定义了一个函数fxx22x1,创建了一个张量x,并且将 requires_grad 设置为 True,表示要对x求导。然后,我们计算了函数在x2处的值yf2,并通过计算了y对x的导数。最后,通过查看x的grad属性,可以得到y对x的导数值,即2x2gradyx∣x26。在实际的使用中,如果我们需要求一个向量值函数的梯度,则只需要对每个变量设置。原创 2023-05-20 18:59:32 · 1079 阅读 · 0 评论 -
torch.utils.data.DataLoader 的功能
支持多种数据集,如 TensorDataset,ImageFolder 等,并且可以根据需要自定义数据集。,我们可以方便地将自己的数据集传入,并在训练时对其进行批量化处理,另外还可以通过自定义。函数来实现对每个 batch 中数据的转换。原创 2023-05-20 16:46:30 · 1209 阅读 · 0 评论 -
jupyter 基本用法
前一段时间,同事帮我在超算服务器安装了一套 jupyter notebook 软件,甚是好用。但用了几天后,忽然就不能用了。今天研究了一下,发现是服务器程序关闭了,所以我在浏览器端的网页就打不开了。今天仔细研究了一下,发现使用很简单。原创 2022-09-03 15:52:12 · 575 阅读 · 0 评论 -
通过两个神经元的极简模型,清晰透视 Pytorch 工作原理
这篇博客阅读的人不多,说明不求甚解的人还是大多数。其实花几分钟阅读一下原理性的东西,可以节省今后大量填坑的时间,正所谓”磨刀不误砍柴工“。所以,希望能真正想了解 Pytorch 的读者能花几分钟时间认真研读一下本文,相信一定节省盲目探索的时间。原创 2022-05-27 15:13:30 · 475 阅读 · 0 评论