pytorch的一些知识点整理

pytorch的一个比较全面的流程解析

https://zhuanlan.zhihu.com/p/25572330

一个使用cifr10数据集分类的基本例子,理解了这个差不多就对这个框架的流程有一个大致的认识了

http://yongyitang92.github.io/2017/01/21/20170121-Pytorch%E5%85%A5%E9%97%A8%E7%AC%94%E8%AE%B0/

pytorch之dataloader深入剖析

https://www.cnblogs.com/ranjiewen/p/10128046.html

ImageFolder解析

https://www.cnblogs.com/king-lps/p/8674829.html

Resnet 的实现

http://h4mster.top/2018/11/03/pytorch-torch-nn/

 

L1和L2范数详解

https://blog.csdn.net/zouxy09/article/details/24971995

各种norm

https://blog.csdn.net/baishuo8/article/details/81212317

_, preds = torch.max(outputs.data, 1)

torch.max(a,1) 返回每一行中最大值的那个元素,且返回其索引(返回最大元素在这一行的列索引)

https://blog.csdn.net/Z_lbj/article/details/79766690

 

RuntimeError: 
        An attempt has been made to start a new process before the
        current process has finished its bootstrapping phase.

补充一个小的知识点:python代码在linux下运行的好好的时候,移至到windows平台时可能需要squeeze_suport 错误,是因为

在Windows上,子进程将在启动时导入(即执行)主模块。您需要在主模块中插入一个if   __name__ == ' _main__': guard,以避免递归地创建子进程。。将顺序执行的代码放入main 当中就可以避免这个错误。

  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在Windows操作系统下,同样可以使用PyTorch进行深度学习相关的计算。以下是一些PyTorch的基本知识点: 1. 安装PyTorch:在Windows上安装PyTorch可以通过pip或conda包管理器进行。可以在PyTorch官方网站上找到相应的安装指南。 2. 张量(Tensors):PyTorch中的核心数据结构是张量,它类似于NumPy的多维数组。张量可以用来存储和操作数据。 3. 自动求导(Autograd):PyTorch通过自动求导技术,可以自动计算张量上的梯度。这使得在神经网络训练中的反向传播算法更加方便。 4. 神经网络模块(nn.Module):PyTorch提供了一个模块化的接口(nn.Module),用于构建神经网络模型。可以定义各种层、损失函数、优化器等。 5. 数据加载(Data Loading):PyTorch提供了一些工具,用于加载和预处理数据。可以使用内置的数据集类或自定义数据集类来加载和处理数据。 6. 训练模型:使用PyTorch可以定义训练循环,包括前向传播、计算损失、反向传播和参数更新等步骤。可以使用不同的优化器(如SGD、Adam等)来更新模型参数。 7. GPU加速:PyTorch支持在GPU上进行计算,可以使用CUDA来利用GPU进行并行计算,加速模型训练和推理。 这些是PyTorch的一些基本知识点,在实际应用中还有更多的功能和技术可以探索和学习。可以参考PyTorch的官方文档和示例代码来深入学习和使用PyTorch
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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