pytorch
realitycss
图像处理深度学习
展开
-
2021-05-16
pytorchAPI使用1.nn.Module1._init_2.forward完成一次向前计算的过程1.nn.Linear为torch预定义好的线性模型,也被称为全连接层,是不算(batch_size的列数)实例化:self.linear=nn.Linear(输入的特征数量,输出的特征数量)2.nn.Module定义了_call_方法,实现的就是调用forward方法,即Lr的实例,能够直接被传入参数调用,实际上调用的是forward方法并传入参数linear类中也有_init_方原创 2021-05-16 19:07:35 · 179 阅读 · 0 评论 -
torch使用
1.张量的创建方法torch.tensor(list)torch.empty()/zeros()/ones()torch.rand()/randint()/randn()2.张量的属性和方法数据中只有一个元素的时候 tensor.item()转化为numpy数组tensor.numpy()获取形状tensor.size() 获取第一个维度的形状 tensor.size(1)形状的变化 tensor.view([shape])获取维度tensor.dim()...原创 2021-05-15 22:10:35 · 258 阅读 · 0 评论 -
GPU中的tensor的使用
GPU中的tensor的使用1.实例化device:torch.device("cuda:0" if torch.cuda.is_avaiable() else "cpu")2.tensor.to(device) #把tensor转化为CUDA支持的tensor,或者cpu支持的tensor原创 2021-05-15 21:57:13 · 524 阅读 · 0 评论 -
torch.Tensor与torch.tensor区别
1.torch.Tensor默认的数据类型是torch.float32torch.Tensor传入是数据时,表示的是形状, 就相当于是torch.FloatTensor的别名torch.Tensor传入可迭代对象表示数据2.torch.tensortorch.tensor为创建tensor的方法...原创 2021-05-15 17:59:47 · 205 阅读 · 0 评论 -
pytorch计算反向传播的函数介绍
1.tensor(data,requires_grad=True)该tensor后续会被计算梯度,tensor所有的操作都会被记录在grad_fn2.with torch.no_grad():其中的操作并不会被追踪3.反向传播output.backward()4.获取梯度:x.grad,累加梯度所以,每次反向传播之前需要先把梯度置为05.tensor.data:在tensor的required_grad=False,tensor.data和tensor等价requir原创 2021-05-15 17:56:44 · 265 阅读 · 0 评论