PyTorch
以实战为脉络,深入探索PyTorch的每个关键环节,掌握深度学习的核心原理与应用技巧。构建高效的机器学习工作流,全面提升算法实现能力和工程实践能力。
ModelBulider
计算机硕士,国企Java开发工程师。热爱Python,熟悉深度学习框架如:PyTorch和Paddle。篮球爱好者,AI技术应用探索者,专注于OCR、RAG、LLM等领域的创新落地。期待与您在CSDN交流技术心得。
展开
-
第四章 PyTorch进阶教程
其中可以使用参数largest来设定是从小到大选取,还是从大到小选取,默认为True表示从大到小选取。argmax、argmin均默认是先将高维转换为1维(按行转)再求index。其中的 * 与 mul是tensor按元素位置对应相乘的操作。结果为1或0,表示逻辑真与假。原创 2024-08-18 08:00:00 · 300 阅读 · 0 评论 -
第三章 PyTorch基础教程
Expand:是基于广播机制的一种扩展,是默认支持的(eg. [1,32,1,1] -> [4,32,14,14])contiguous():用于对于转置后的矩阵进行连续化(即:原来是行向量,转置后为列向量,需要将数据结构保持一致)生成常用型矩阵张量的API:ones() — 全1矩阵、zeros() — 全0矩阵、eys() —单位矩阵。randn():生成N(0,1)的正态分布的初始化权重张量。logspace():生成指定底数(默认为:10)的指数值。full():生成指定大小与值的权重张量。原创 2024-08-18 08:00:00 · 315 阅读 · 0 评论 -
第二章 pytorch回归问题
本文深入探讨了使用PyTorch进行回归和分类问题的方法。首先介绍了梯度下降算法,这是求解权重矩阵最优解的关键技术。接着,文章通过线性回归和逻辑回归的实战代码示例,展示了如何利用PyTorch实现模型训练。此外,还涉及了分类问题的基本理论,并以手写数字识别为例,提供了完整的PyTorch代码实现,包括数据加载、模型构建、训练过程以及测试准确性评估。原创 2024-08-17 22:31:43 · 140 阅读 · 0 评论 -
第一章 PyTorch简介
pytorch简介原创 2024-08-17 22:30:46 · 155 阅读 · 0 评论