基于PyTorch学AI
文章平均质量分 87
通过PyTorch源码学AI是最佳实践。
道至简~
复杂背后总有个简单的道理。
展开
-
基于PyTorch学AI——自动梯度
简单理解,PyTorch把繁琐的反向传播计算梯度的过程,非常优雅的进行了封装,调用者只需要简单的配置需tensor的requires_grad 属性,配合后续优化器的功能,即可灵活的配置参数优化过程。原创 2024-06-25 10:43:41 · 1863 阅读 · 0 评论 -
基于PyTorch学AI——构建网络模型
神经网络由很多节点组成,每个节点有输入输出,所有节点组成一个网络结构,整体网络也有输入和输出,通过输入训练数据,输出标签,完成一个特定任务。原创 2024-06-22 15:42:17 · 785 阅读 · 0 评论 -
基于PyTorch学AI——Transforms转换
机器学习或深度学习算法一般对数据有比较严格的要求,而训练数据往往是不稳定的,会有各种变化,因此多数情况下都需要对训练数据进行"变形"才能喂给算法。transform和target_transform属性既用来指定变形方法。原创 2024-06-21 08:24:15 · 241 阅读 · 0 评论 -
基于PyTorch学AI——Dataset与DataLoader
本文总结了Dataset和DataLoader两个核心类,是模型训练绕不开的基础类,希望阅读本文能带来收获。原创 2024-06-20 12:03:16 · 2422 阅读 · 0 评论 -
基于PyTorch学AI——一切从Tensor开始
介绍关于PyTorch中Tensor的一些常用函数。原创 2024-06-19 09:27:58 · 1679 阅读 · 0 评论