![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Pytorch入坑
文章平均质量分 59
未入坑的小白
曾梦想仗剑走天涯,没想到bug没写完不能下班回家。
展开
-
PyTorch的模型创建与nn.Module
PyTorch的模型创建与nn.Module模型创建与nn.ModulePyTorch的模型创建与nn.Module一、网络模型的创建步骤二、torch.nn模块一、网络模型的创建步骤机器学习的模型训练步骤一般来讲都要经过读取数据、建立模型、选择损失函数、选择优化器、迭代训练最后得出模型。具体流程如下图:在模型模块部分,分为两个部分,模型创建和权值初始化,而模型创建又分为构建网络层,例如卷积层、池化层、激活函数层等等,以及拼接网络层;在拼接网络层部分,把构建好的网络层按照一定的顺序拼接成L原创 2020-09-16 23:28:07 · 377 阅读 · 0 评论 -
PyTorch中的transforms图像增强方法
PyTorch中的transforms图像增强方法一、数据增强(Data Augmentation)1.1 中心裁剪一、pandas是什么?二、使用步骤1.引入库2.读入数据总结一、数据增强(Data Augmentation) 数据增强又称为数据增广,数据扩增,它是对训练集进行变换,使训练集更丰富,从而让模型更具泛化能力。1.1 中心裁剪transforms.CenterCrop功能:从中心裁剪图片size:所需裁剪图片尺寸提示:这里可以添加本文要记录的大概内容:例如:随着人工智能..原创 2020-09-15 21:44:14 · 3322 阅读 · 0 评论 -
PyTorch的数据读取及transforms运行机制
PyTorch的数据读取及transforms运行机制PyTorch的数据读取核心就是DataLoader。它分为两个子模块,Sample和DataSet。Sample的功能是生成索引——Index即样本的序号;DataSet则是根据索引去读取图片等数据以及所属标签。PyTorch的数据读取及transforms运行机制PyTorch的数据读取及transforms运行机制一、数据读取1.1 torch.utils.data.DataLoader二、torch.utils.data.Dataset二原创 2020-09-12 12:54:49 · 671 阅读 · 0 评论 -
PyTorch的autograd机制与逻辑回归的实现
PyTorch的autograd机制与逻辑回归的实现一、torch.autograd 1.1.1 retain_graph 1.1.2 grad_tensors一、pandas是什么?二、使用步骤1.引入库2.读入数据总结一、torch.autograd## 1.1 torch.autograd——自动求导系统 torch.autograd.backward(tensors, grad_tensors=None, retain_gradh=None, create_grade=False) 功原创 2020-09-10 23:26:29 · 441 阅读 · 0 评论 -
PyTorch的计算图与动态图机制
PyTorch的计算图与动态图机制PyTorch的计算图与动态图机制PyTorch的计算图与动态图机制一、计算图二、动态图 Dynamic Graphs一、计算图计算图是用来描述运算的有向无环图。计算图有两个主要的元素: 结点 (Node) 和 边 (Edge)。 结点表示 数据,如向量,矩阵,张量;边则表示要进行的运算,如加减乘除,卷积运算等。 用计算图表示: y = (x + w) * (x + 1) 先把等式右边拆分, a = x + w b = x + 1原创 2020-09-08 22:19:59 · 680 阅读 · 0 评论 -
张量操作与线性回归
张量操作与线性回归一、张量拼接与切分1.1 张量拼接1.1.1 torch.cat(tensor, dim=0,out=None)1.1.2 torch.stack(tensors, dim=0, out=None)1.2 张量切分1.2.1 torch.chunk(input, chunks, dim=0)1.2.12 torch.split(tensor, split_size_or_sections, dim=0)二、张量索引2.1 torch.index_select(input, dim, i..原创 2020-09-08 00:00:40 · 266 阅读 · 0 评论 -
PyTorch张量简介与创建
PyTorch张量简介与创建张量是什么张量:是指数学维度上的标量,向量,矩阵的多维拓展。标量:数学维度为0,只有大小没有方向的量,如单个数字1、2、3…向量:数学上是指既有方向又有大小的标量,但是在pytorch以及计算机领域内是类似于一维数组/列表的量。矩阵:二维的向量,用行列表达。在pytorch以及计算机领域用二维数组/二维列表表达,行列分别对应图像的高和宽。张量:三维及三维以上数组/列表的表达,例如,用pytorch生成一个(3, 4, 5)的随机张量import torchtor原创 2020-09-06 19:39:56 · 1007 阅读 · 0 评论 -
PyTorch简介与GPU版本的安装
PyToch学习Pytorch简介Pytoch优点Pytorch适合人群Pytorch 安装(GPU版本)功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入小白一枚,在此做pytorch的学习,希望各位大神多多指教。Pytorch原创 2020-09-06 15:40:20 · 669 阅读 · 1 评论