PyTorch
Xiao J.
努力努力再努力!!!
展开
-
torchvision包的主要构成
torchvision包是服务于PyTorch深度学习框架的,主要用来构建计算机视觉模型。 torchvision 主要由以下几部分构成: torchvision.datasets:一些加载数据的函数及常用的数据集接口; torchvision.models:包含常用的模型结构(含预训练模型),例如AlexNet,VGG,ResNet等; torchvision.transforms:常用的图片变换,例如裁剪、旋转等; torchvision.utils:其他的一些有用的方法; ...原创 2020-11-26 09:06:09 · 355 阅读 · 0 评论 -
Jupyter notebook 导入和卸载 conda 虚拟环境
一、导入 进入Anaconda Prompt,激活要使用的虚拟环境。 conda activate xxx # 你要使用的虚拟环境名称 安装 ipykernel 插件, 建议使用 pip 进行安装, conda 安装容易失败 pip install ipykernel 安装完成之后,键入以下命令 python -m ipykernel install --name (你要导入的虚拟环境名称) --display-name (你要显示的名称) 例如: 打开 jupyter notebook, 可以看原创 2020-11-21 11:10:32 · 1767 阅读 · 0 评论 -
leaf 叶子(张量)
在pytorch的tensor类中,有个is_leaf的属性,姑且把它作为叶子节点. is_leaf 为False的时候,则不是叶子节点, is_leaf为True的时候为叶子节点(或者叶张量) 所以问题来了: leaf的作用是什么?为什么要加 leaf? 我们都知道tensor中的 requires_grad()属性,当requires_grad()为True时我们将会记录tensor的运算过程并为自动求导做准备,但是并不是每个requires_grad()设为True的值都会在backward的时候得转载 2020-11-20 21:07:34 · 1024 阅读 · 0 评论 -
《动手学深度学习 PyTorch版》学习笔记(三):线性回归
线性回归输出是一个连续值,因此适用于回归问题。回归问题在实际中很常见,如预测房屋价格、气温、销售额等连续值的问题。 一、基本要素 摘自原书 模型定义 设房屋的面积为 x1,房龄为 x2,售出价格为 y。我们需要建立基于输入 x1 和 x2 来计算输出 y 的表达式,也就是 模型(model) 。顾名思义,线性回归假设输出与各个输入之间是线性关系: 其中 w1 和 w2 是 权重(weight),b 是 偏差(bias),且均为标量。它们是线性回归模型的 参数(parameter)。模型输出 yˆ 是线原创 2020-10-09 14:59:41 · 264 阅读 · 0 评论 -
《动手学深度学习 PyTorch版》学习笔记(二):自动求梯度
一、自动求梯度 1、requires_grad_(), detach(), torch.no_grad()的区别 参考博客:https://www.jianshu.com/p/ff74ccae25f3 2、.grad_fn 每个Tensor都有一个.grad_fn属性,该属性即创建该Tensor的Function, 就是说该Tensor是不是通过某些运算得到的,若是,则grad_fn返回一个与这些运算相关的对象,否则是None。 3、梯度 grad在反向传播过程中是累加的(accumulated),这意味原创 2020-10-08 23:28:53 · 263 阅读 · 0 评论 -
《动手学深度学习 PyTorch版》学习笔记(一):数据操作
一、预备知识 在PyTorch中,torch.Tensor是存储和变换数据的主要工具。 "tensor"这个单词一般可译作“张量”,张量可以看作是一个多维数组。 标量可以看作是0维张量,向量可以看作1维张量,矩阵可以看作是二维张量。 1、torch.arange() 和torch.linspace # arange(s, e, step) => 从s到e,步长为step x8 = torch.arange(1, 10, 2) # print(x8) # linspace(s, e, steps)原创 2020-10-08 22:57:32 · 209 阅读 · 0 评论 -
torch.randn与torch.rand的区别
randn torch.randn(*sizes, out=None) → Tensor 返回一个包含了从标准正态分布中抽取的一组随机数的张量 size:张量的形状 out:结果张量 rand torch.rand(*sizes, out=None) → Tensor [0,1)之间的均匀分布原创 2020-10-05 15:43:01 · 721 阅读 · 0 评论 -
PyTorch 之 requires_grad,requires_grad_(),grad_fn
x.grad_fn和x.requires_grad为x的属性 x.grad_fn:积分方法名,默认为None x.requires_grad:是否积分的属性,默认为False x.requires_grad_():设置积分的方法,设置之后requires_grad为True """Tensor""" import torch # 创建一个Tensor并设置requires_grad=True x = torch.ones(2, 2, requires_grad=True) print(x) print(.原创 2020-10-04 19:33:52 · 1395 阅读 · 0 评论