PyTorch简介
文章平均质量分 88
PyTorch简介
冰雪storm
深度学习新手
展开
-
【PyTorch】6.Learn about the optimization loop 了解优化循环
现在我们有了模型和数据,是时候通过优化数据上的参数来训练、验证和测试我们的模型了。训练模型是一个迭代过程;在每次迭代中,模型都会对输出进行猜测,计算其猜测中的误差(损失),收集相对于其参数的导数的误差(如我们在中看到的),并使用梯度下降这些参数。有关此过程的更详细演练,请观看有关视频。原创 2024-01-22 22:44:40 · 1147 阅读 · 0 评论 -
【PyTorch简介】5.Automatic Differentiation with `torch.autograd` 自动微分与`torch.autograd`
在训练神经网络时,最常用的算法是 **反向传播**。在该算法中,根据损失函数相对于给定参数的**梯度**来调整参数(模型权重) 。为了计算这些梯度,PyTorch 有一个名为`torch.autograd`的内置微分引擎。它支持任何计算图的梯度自动计算。原创 2024-01-15 22:06:15 · 979 阅读 · 3 评论 -
【PyTorch简介】4.Building the model layers 生成模型层
神经网络是按层连接的神经元的集合。每个神经元都是一个小的计算单元,执行简单的计算来共同解决问题。神经元分为 3 种类型的层:输入层、隐藏层和输出层。隐藏层和输出层包含许多神经元。神经网络模仿人脑处理信息的方式。原创 2024-01-15 22:03:15 · 1183 阅读 · 0 评论 -
【PyTorch简介】3.Loading and normalizing datasets 加载和规范化数据集
用于处理数据样本的代码可能会变得混乱且难以维护;理想情况下,我们希望数据集代码与模型训练代码分离,以获得更好的可读性和模块化性。PyTorch 提供了两个数据原语:`torch.utils.data.DataLoader`和`torch.utils.data.Dataset` ,允许您使用预加载的数据集以及您自己的数据。 `Dataset`存储样本及其相应的标签,并`DataLoader`围绕 `Dataset`进行迭代,以方便访问样本。原创 2024-01-14 22:32:22 · 1149 阅读 · 0 评论 -
【Pytorch简介】2.What are Tensors 什么是张量?
张量是一种特殊的数据结构,与数组和矩阵非常相似。在 PyTorch 中,我们使用张量对模型的输入和输出以及模型的参数进行编码。ndarray类似,不同之处在于张量可以在 GPU 或其他硬件加速器上运行。事实上,张量和 NumPy 数组通常可以共享相同的底层内存,从而无需复制数据(请参阅部分中了解更多相关内容 )。如果您熟悉 ndarrays,那么您就会熟悉 Tensor API。如果没有,那就跟随吧!原创 2024-01-11 23:45:05 · 1214 阅读 · 6 评论 -
【Pytorch简介】1.Introduction 简介
大多数机器学习工作流涉及处理数据、创建模型、使用超参数优化模型,以及保存,然后推理已训练的模型。本模块介绍在 PyTorch(一种常用的 Python ML 框架)中实现的完整机器学习 (ML) 工作流。我们使用 FashionMNIST 数据集来训练一个神经网络模型,该模型可识别 T 恤/上衣、裤子、套头衫、连衣裙、外套、凉鞋、衬衫、运动鞋、包或短靴等图像。在开始构建模型之前,我们将介绍理解生成神经网络模型的关键概念。原创 2024-01-11 23:43:43 · 451 阅读 · 0 评论