Pytorch深度学习
世纪末的霖さん
这个作者很懒,什么都没留下…
展开
-
pytorch神经网络的小问题
UserWarning: To copy construct from a tensor, it is recommended to use sourceTensor.clone().detach() or sourceTensor.clone().detach().requires_grad_(True), rather than torch.tensor(sourceTensor). feature = torch.tensor(torch.from_numpy(feature), dtype=t..原创 2020-05-29 14:45:34 · 6480 阅读 · 0 评论 -
Pytorch学习(五)--实现神经网络实例二
''' 构建模型 ''' #构建网络 class Net(nn.Module): def __init__(self,in_dim,n_hidden_1,n_hidden_2,out_dim): super(Net,self).__init__() self.layer1 = nn.Sequential(nn.Linear(in_dim,n_hidden_...原创 2020-05-01 21:37:18 · 722 阅读 · 0 评论 -
Pytorch学习(五)--实现神经网络实例一
import numpy原创 2020-04-30 15:49:31 · 560 阅读 · 0 评论 -
Pytorch学习(四)---Pytorch数据处理工具箱
utils.data简介原创 2020-04-23 13:05:25 · 578 阅读 · 0 评论 -
Pytorch学习(三)---神经网络工具箱和优化器
一、神经网络工具箱nn 1、nn.Module nn.Module是nn的一个核心数据结构,它可以是神经网络的某个层,也可以是包含多层的神经网络。在实际使用中,最常见的做法是继承nn.Module,生成自己的网络/层。nn中已经实现了绝大多数层,包括全连接层、损失层、激活层、卷积层、循环层等,这些都是nn.Module的子类,能够自动检测到自己的Parameter,并将其作为学习参数,且针对GPU...原创 2020-04-08 22:27:04 · 399 阅读 · 0 评论 -
Pytorch学习(二)---如何构建神经网络
构建神经网络1. 构建网络层2. 前向传播3. 反向传播4. 训练模型 1. 构建网络层 采用torch.nn.Sequentional()来构建网络层,不过使用这种方法,每层的编码是默认的数字,不易区分。 可以在sequential()的基础上,通过字典的形式添加每一层,并且设置单独的层名称。 import torch.nn from collections import OrderedDict...原创 2020-04-04 22:11:24 · 281 阅读 · 0 评论 -
Pytorch学习(一)---Tensor与Autograd
前言自动求导要点计算图 前言 在神经网络中,一个重要的内容就是进行参数学习,而参数学习离不开求导,那么pytorch是如何进行求导的呢? 现在大部分深度学习架构都有自动求导的功能,pytorch也不例外,torch.autograd包就是用来自动求导的。Autograd包为张量上的所有操作提供了自动求导功能,torch.Tensor 和torch.Function为Autograd的两个核心类,...原创 2020-03-25 21:21:01 · 526 阅读 · 0 评论