pyTorch
_missTu_
努力大于天赋的女孩,英语专八通过者,岗位是算法工程师。
展开
-
CNN 手写数字识别 (pytorch代码实现)
1、pytorch 手写数字识别步骤(1)加载minist数据(2)搭建网络(3)模型训练(4)结果可视化2、代码实现# library# standard libraryimport os# third-party libraryimport torchimport torch.nn as nnimport torch.utils.data as Dataimport torchvisionimport matplotlib.pyplot as plt# torch.ma原创 2020-05-23 17:51:02 · 1939 阅读 · 1 评论 -
pytorch使用Optimizer 优化器
1、构造数据import torchimport torch.utils.data as Dataimport torch.nn.functional as Fimport matplotlib.pyplot as plttorch.manual_seed(1) # reproducibleLR = 0.01BATCH_SIZE = 32EPOCH = 12# fake datasetx = torch.unsqueeze(torch.linspace(-1, 1, 1000原创 2020-05-22 22:23:32 · 426 阅读 · 0 评论 -
pytorch 批数据训练
1、DataLoaderTorch 中提供了一种能够帮你整理你的数据结构的好东西, 叫做 DataLoader, 我们能用它来包装自己的数据, 进行批训练。DataLoader 是 torch 给你用来包装你的数据的工具. 所以你要将自己的 (numpy array 或其他) 数据形式装换成 Tensor, 然后再放进这个包装器中. 使用 DataLoader 有什么好处呢? 可帮你有效地迭代数据。import torchimport torch.utils.data as Datatorch.m原创 2020-05-21 10:39:06 · 397 阅读 · 0 评论 -
pytorch如何保存和提取已经训练好的神经网络?
1、构造数据,搭建网络torch.manual_seed(1) # reproducible# 假数据x = torch.unsqueeze(torch.linspace(-1, 1, 100), dim=1) # x data (tensor), shape=(100, 1)y = x.pow(2) + 0.2*torch.rand(x.size()) # noisy y data (tensor), shape=(100, 1)def save(): # 建网络原创 2020-05-21 10:01:28 · 6803 阅读 · 0 评论 -
pyTorch 用深度学习玩FizzBuzz游戏 —— 动手学深度学习03
游戏规则从1开始往上数数,当遇到3的倍数的时候,说fizz,当遇到5的倍数,说buzz,当遇到15的倍数,就说fizzbuzz,其他情况下则正常数数。# One-hot encode the desired outputs: [number, "fizz", "buzz", "fizzbuzz"]def fizz_buzz_encode(i): if i % 15 == 0: r...原创 2020-02-17 22:00:30 · 917 阅读 · 0 评论 -
使用pyTorch实现线性回归(详细版)—— 动手学深度学习01
前言:知识读不懂怎么办???没关系,只有一个办法靠谱:硬着头皮读完,然后反复读很多遍。这是一个特别重要的本领,很多人不知道。其实,重要的知识,从来都是通过反复学习才能获得的。一下就能学会得东西,通常上价值不大。对于我这种努力大于天赋的人来说,这句话可以说是很受用了。1、线性回归线性回归理论知识比较简单,已经很熟悉了,这里不再赘述。但面试时经常问:你学的那些算法,你自己有实现过吗?在不用库函...原创 2020-02-14 13:41:23 · 978 阅读 · 0 评论 -
pyTorch 快速入门
前言:疫情太严重推迟开学了,可能三月份甚至四月份才开学,这个寒假真长,利用这段时间在家学点东西。自律,能让我充分利用时间;自律,能让我补充自己的不足;自律,能让我扎实深度学习理论基础;自律能让我进一步提升代码能力。这一年,希望自己能够自律些,一步步靠近合格的算法工程师。这几天,我对《动手学深度学习 pyTorch版》这本书很感兴趣,但不熟悉pyTorch,所以快速学习一下,作为pyTorch...原创 2020-02-13 14:34:42 · 307 阅读 · 0 评论