![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
蜗牛般的Pytorch小时工
文章平均质量分 86
红红也不知道说些什么好
犬冢紬希
此人很懒
展开
-
Pyotrch实现单幅图像边缘检测
随笔记~内容来自吴恩达老师的Coursera课程 Convolutional Neural Networks。参考代码:import torchimport torch.nn.functional as Ffrom PIL import Imagefrom torchvision import tranforms# 转换列表tfs = [transforms.ToTensor(), transforms.ToPILImage()]# 读取图片并进行类型转换src = Image.o原创 2021-07-14 00:15:53 · 1151 阅读 · 6 评论 -
Pytorch(五):神经网络之 torch.nn——Convolution Layers
上一篇文章记录了 Pytorch 用于构建神经网络的容器,并且提到 一个神经网络模块是由其他子模块嵌套而成的结构,常用的就是卷积、池化等等,所以这篇简单介绍下 torch.nn 中的卷积类。目录原创 2021-06-12 16:05:52 · 1203 阅读 · 0 评论 -
Pytorch(四):神经网络之torch.nn——containers
神经网络(Nueral Networks) 是由对数据进行操作的一些 层(layer) 或 模块(module) 所组成,而PyTorch 中的每个模块都是 nn.Module 的子类,在调用或自定义时均需继承 nn.Module 类。同时 torch.nn 包为我们提供了构建神经网络所需的各种模块,当然一个神经网络本身也是一个由其他 模块/层 组成的模块,这种嵌套结构就允许我们构建更为复杂的网络架构。在开始搭建神经网络之前先了解下 torch.nn 包,它包含了用于搭建神经网络的所有基础模块,其中有原创 2021-06-09 22:54:46 · 627 阅读 · 4 评论 -
Pytorch(三):数据变换 Transforms
目录0. 简介1. PIL Image and Tensor Image 都可用的转换(1) torchvision.transforms.CenterCrop(size)一般情况下,预加载的数据集或自己构造的数据集并不能直接用于训练机器学习算法,为了将其转换为训练模型所需的最终形式,我们可以使用 transforms 对数据进行处理,以使其适合训练。0. 简介在介绍 Dataset 时,提到 torchvision.datasets 中的数据集都有两个参数:transform:可以对数据进行的变原创 2021-05-25 19:19:07 · 5286 阅读 · 1 评论 -
Pytorch(二):DataLoaders 和 DataSets
为避免用于处理样本数据的代码与训练模型的代码混淆在一起,大家会希望将处理数据集的代码与模型训练的代码分离,以提高代码的整体可读性和模块化。因此PyTorch提供了两个数据集相关的类:torch.utils.data.DataLoader 和 torch.utils.data.Dataset,这两个类允许我们使用预加载的数据集或使用自己的数据构建数据集。 其中:Dataset 存储样本数据及其相应的标签;DataLoader 则能够将 Dataset 包装成一个可迭代对象,便于访问样本数据及其相应标签原创 2021-05-21 18:49:56 · 859 阅读 · 0 评论 -
Pytorch(一):关于张量 Tensors
决定好好整理下学习的有关 Pytorch 的内容。系统性的梳理和笔记对我这种只有七秒记忆的来说真的太重要,撸起袖子加油干!!!我一直看的文档是这个 Pytorch官方教程中文版(提取码:pyto) ,以及参考百度来的各种博客。如果本文的某些内容存在错误或其他问题,希望各位大佬能够帮我指出来,互相学习共同进步!共勉!————————————————————————————————————目录0. Tensors 简介1. 创建 Tensortorch.tensor()torch.* (* 代表 te原创 2021-05-20 00:13:17 · 276 阅读 · 0 评论