学习pytorch中的若干问题

最新推荐文章于 2023-10-10 21:34:00 发布
最新推荐文章于 2023-10-10 21:34:00 发布
阅读量1.1k 收藏 3
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_40899194/article/details/86515078
版权

pytorch学习ing

安装pytorch

cpu版本

把之前安装的pytorch-cpu版本卸载了，现在要重新下回来，按照官网上给出的conda下载方式conda install pytorch-cpu torchvision-cpu -c pytorch总报错

the following package are not available from current channels

然后看到网上有博客用pip的方法在Anaconda prompt中安装，就使用
pip3 install https://download.pytorch.org/whl/cpu/torch-1.0.1-cp36-cp36m-win_amd64.whl
pip3 install torchvision
完成在conda中pytorch的安装。

gpu版本

conda install pytorch torchvision cudatoolkit=9.0 -c pytorch

torch.bmm

做矩阵乘法

torch.transpose

torch.transpose(tensor,a,b) 将tensor的第a维和第b维交换。

线性层

nn.Linear(in_features, out_features, bias=True)

线性变换层

采样 torch.utils.data.sampler

SequentialSampler

默认的采样器 按顺序采样

RandomSampler

打乱数据 随机采样 没有替换

WeightedRandomSampler

根据每个样本的权重选取数据
参数：weights——权重 num_samples——采样个数

SubsetRandomSampler

样本从指定的索引中随机采样 无替换
参数：indices——索引

BatchSampler

一个batch中可以定义一个采样器
参数：sampler——该batch中的采样器 batch_size——batch大小 drop_last——是否丢弃最后一个不完整的batch

torch中的missing key的问题

在训练模型时使用了torch.nn.DataParallel()，但在测试时模型并未使用，会报错。

torch中的tensor

torch.tensor

将np转换为张量。

torch.empty(a,b).uniform_(x,y)

生成维度为a*b的、范围在x~y之间的初始化tensor

torch.cat（）

tensorflow中的tf.concat 拼接两个张量的作用

损失函数

nn.NLLLoss

输入是对数概率向量和目标标签

nn.CrossEntropyLoss

交叉熵

文本长度对齐

使用packed_pad_sequence和pad_packed_sequence

返回指定维度的最大值

max=torch.argmax(out,dim= )

Reference

pytorch: 自定义数据集加载

写在最最后 看到当初取的名字…怎么现在就在学torch了呢

Torch小白想上天
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
pytorch遇到的问题
Miracle呀的博客
11-13 598
pytorch遇到的问题 from torch.utils.tensorboard import SummaryWriter导入不成功问题 参考：https://blog.csdn.net/qq_28666313/article/details/106343611 #由于pytorch本身不自带tensorboard包，一般这样报错都是由于未安装tensorboard包导致的。 #可以通过pip 加载清华镜像源进行安装 sudo pip install -i https://mirrors.aliyu
pytorch 问题汇总
learning notes
10-14 1万+
1. Cublas runtime error : library not initialized 在使用 GPU 运行的时候，提示这个错误，相关问题解决方法为： 参考github issue, [pytorch forum], sudo rm -rf ~/.nv 还是无法解决，而且删除了这个文件之后，如果运行 gpu程序还会再次生成这个缓存文件。 看到 forum 里面有一个的回答...
torch.cat()函数的官方解释，详解以及例子
xinjieyuan的博客
03-30 24万+
可以直接看3.例子，就明显1和2说的啥了 在pytorch中，常见的拼接函数主要是两个，分别是： stack() cat() 他们的区别参考这个链接区别，但是本文主要说cat()。 前言 该函数总的来说和python内置函数cat()函数没有区别。 1. cat()官方解释 ----torch.cat(inputs, dim=0) → Tensor 函数目的： 在给定维度上对输入的张量序列se...
PyTorch的torch.cat
热门推荐
qq_39709535的博客
06-25 27万+
1. 字面理解：torch.cat是将两个张量（tensor）拼接在一起，cat是concatnate的意思，即拼接，联系在一起。 2. 例子理解 >>> import torch >>> A=torch.ones(2,3) #2x3的张量（矩阵） >>> A te...
torch 中的 uniform 具体用法
qq_39665216的博客
08-07 9367
torch uniform 用法
pytorch torch.empty学习
f351873170的博客
04-13 3703
torch.empty(*size, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False, pin_memory=False) → Tensor size：空tensor的大小，没有初始化 out：默认为None,查看demo1 dtype：数据类型 layout：内存布局对象 demo1...
如何利用tensorflow和torch选取随机数
weixin_42798751的博客
05-13 1002
import tensorflow as tf import torch Tensorflow： (1) 均匀分布： number = tf.random_uniform(size, a, b, dtype) size：设置取数的维数 a,b：设置取数的区间 dtype：设置数据格式 Torch： （1）均匀分布： 1） torch.rand(*sizes, out=None) ：从区间[0， 1）中均匀取数 2）number = torch.empty(1).uniform_
深度强化学习+DQN+Pytorch+CartPole-v0
07-14
2. DQN维护一个回放缓冲区，将每次从环境中采样得到的四元组数据存储到回放缓冲区中，训练 Q 网络的时候再从回放缓冲区中随机采样若干数据来进行训练； 3. DQN使用目标网络，使得算法的训练更加稳定。
深度学习与PyTorch入门实战教程-卷积神经网络CNN.rar
04-07
卷积神经网络（Convolutional Neural Networks，简称CNN）是深度学习领域中至关重要的一部分，尤其在图像...通过学习这个教程，你将有能力利用Python、PyTorch和CNN解决实际的图像识别问题，进一步探索人工智能的世界。
基于Python语言和PyTorch深度学习框架完成的一个猫狗分类实验
05-10
基于Python语言和PyTorch深度学习框架完成的一个猫狗分类实验。 深度学习（Deep Learning，简称DL）是机器学习（Machine Learning，简称ML）领域中一个新的研究方向，其目标是让机器能够像人一样具有分析学习能力，...
dbn pytorch
04-26
通过查看这些文件，可以更深入地理解作者如何在PyTorch中具体实现DBN，并从中学习到实际的编程技巧和模型调参方法。 在实际应用中，DBN可以用于各种任务，如图像分类、语音识别或自然语言处理。本例中，DBN被用于...
VGG pytorch代码
04-12
在PyTorch框架中实现VGG模型，可以让我们更好地理解和应用深度学习技术。 首先，让我们详细了解一下VGG模型的核心特点： 1. **深而窄的架构**：VGG网络由多个卷积层堆叠而成，每个阶段的卷积层数量相同，但会通过...
Pytorch中torch.cat()函数解析
flyingluohaipeng的博客
05-29 3万+
一. torch.cat（）函数解析 1. 函数说明 1.1 官网：torch.cat()，函数定义及参数说明如下图所示： 1.2 函数功能 函数将两个张量（tensor）按指定维度拼接在一起，注意：除拼接维数dim数值可不同外其余维数数值需相同，方能对齐，如下面例子所示。torch.cat()函数不会新增维度，而torch.stack()函数会新增一个维度，相同的是两个都是对张量进行拼接 2. 代码举例 2.1 输入两个二维张量（dim=0）：dim=0对行进行拼接 a = torch.randn(2,
torch.cat函数用法
thy0000的博客
10-10 3287
torch.cat函数是PyTorch中用于拼接张量（tensors）的函数。它可以沿着指定的维度将多个张量连接在一起。
torch.cat()函数
hellozhxy的博客
03-06 4661
看了关于torch.cat函数的文章，有点乱，自己总结一篇，关于四维tensor合并.
torch.cat()用法详解
Vertira的博客
10-18 5032
torch.cat()用法详解
torch.cat函数详解
qq_45138078的博客
03-30 4137
其中，参数seq是要拼接的张量序列，它们应该具有相同的形状（除了沿着拼接维度的大小），可以是一个Python列表或元组。参数dim表示要沿着哪个维度进行拼接，默认值为0（即第0个维度）。返回值是一个新的张量，与输入张量在拼接维度上的大小之和相同。torch.cat是PyTorch深度学习框架中的一个函数，用于将多个张量沿着指定的维度拼接在一起。具体来说，它可以将多个形状相同的张量按照指定的维度进行拼接，返回一个新的张量。上述代码将输出一个形状为(6, 4)的新张量。
torch.cat函数深入详解
qq_37715291的博客
12-24 6276
1、先看torch.cat 函数的官方解释： 它的功能是将多个tensor类型矩阵的连接。它有两个参数，第一个是tensor元组或者tensor列表；第二个是dim，如果tensor是二维的，dim=0指在行上连接，dim=1指在列上连接。但是注意这里在行上连接，是扩展行进行连接，在列上连接是扩展列连接。 2、下面看一些例子： a=torch.randn(2,3) print(a) b=torch.cat((a,a,a),1) print(b) ''' #输出
工业视觉智能-分割模型基础知识
最新发布
08-18
根据《阿里云工业视觉智能高级工程师ACP认证免费课程》（https://edu.aliyun.com/course/3128115/lesson/342981389）创建的个人笔记
联邦学习 pytorch
08-02
联邦学习（Federated Learning）是一种机器学习方法，由Server和若干Client组成。在联邦学习中，用户的数据不会被发送到Server端，从而保护了用户的数据隐私。[1]在训练过程中，Server端没有得到过任何一条数据，但...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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