pytorch
文章平均质量分 76
Pytorch教程
二进制人工智能
图像,点云,机器学习, Python, C++
展开
-
【Pytorch】(十五)模型部署:ONNX和ONNX Runtime
ONNX Runtime(ORT) 是一个用于运行和执行 ONNX 模型的推理引擎。ONNX Runtime 提供了高性能、低延迟的深度网络模型滚推理,并且是跨平台的,支持各种操作系统和设备。为了验证ONNX Runtime和PyTorch原始网络模型计算的值是否近似,我们在一个进程进行。在使用ONNX Runtime进行推理之前,我们先使用ONNX API检查ONNX模型。指定,否则所有输入尺寸的输出ONNX图形中的输入大小都是固定的。将PyTorch中定义的模型转换为ONNX格式。原创 2024-04-25 16:29:27 · 4371 阅读 · 0 评论 -
【Pytorch】(十四)C++ 加载TorchScript 模型
要在C++中加载序列化的TorchScript模型,必须依赖于PyTorch C++API(也称为LibTorch)。最新的稳定版本的LibTorch可以从。下面将使用CMake和LibTorch构建一个C++应用程序,该应用程序加载并执行一个序TorchScript模型。以下内容将介绍如何在C++环境下加载和运行TorchScript 模型。include/文件夹包含程序需要包含的头文件,应该是解压缩的libtorch的完整路径。lib/文件夹包含必须链接的共享库,将Step 1相同的。原创 2024-04-25 10:32:20 · 953 阅读 · 0 评论 -
【Pytorch】(十三)模型部署: TorchScript
用于将一个具体的输入示例追踪(trace)模型的一次计算过程,从而生成一个 TorchScript 模型。对于动态控制流(如条件语句),它只会记录每个分支中的一种情况。因此,它不适用于无固定形状输入、具有动态控制流的模型。用于将整个 PyTorch 模型转换为 TorchScript 模型,包括模型的所有逻辑和控制流。script适用于无固定形状输入、具有动态控制流的模型。但是,它可能会把保存一些多余的代码, 产生额外的性能开销。因此,可以将两者混合使用,扬长避短。原创 2024-04-24 19:32:27 · 2507 阅读 · 2 评论 -
稀疏卷积库汇总
github:https://github.com/NVIDIA/MinkowskiEngine文档:https://nvidia.github.io/MinkowskiEngine/sparse_tensor.html相关论文4D Spatio-Temporal ConvNets: Minkowski Convolutional Neural NetworksFully Convolutional Geometric FeaturesHigh-dimensional Convolutional Net原创 2024-01-11 19:57:49 · 515 阅读 · 0 评论 -
【Pytorch】nn.PixelShuffle
PixelShuffle是一种上采样方法原创 2022-08-10 17:33:29 · 2830 阅读 · 1 评论 -
【Pytorch】nn.ReLU(inplace=True)
。原创 2022-08-10 13:32:16 · 1221 阅读 · 0 评论 -
【Pytorch】nn.Linear,nn.Conv
nn.Linear,nn.Conv原创 2022-08-09 20:38:03 · 896 阅读 · 0 评论 -
【Pytorch】(十二)长短期记忆(LSTM)、门控循环单元(GRU)
原创 2022-05-09 16:26:47 · 1353 阅读 · 0 评论 -
【Pytorch】torch.gather用法详解
torch.gathertorch.gather(input, dim, index, *, sparse_grad=False, out=None)沿指定的维收集值。参数:input (Tensor) –输入张量dim (int) – 要索引的维index (LongTensor) – 要收集的元素的索引sparse_grad (bool, optional) – 如果为True,关于input 的梯度将是稀疏张量。out (Tensor, optional) –输出原创 2022-05-08 15:33:57 · 2258 阅读 · 0 评论 -
【pytorch】(十一)循环神经网络(RNN)
“序列动,网络不动”的角度原创 2022-05-07 09:41:19 · 1277 阅读 · 0 评论 -
【Pytorch】(十)生成对抗网络之WGAN,WGAN-GP
文章目录WGAN,WGAN-GP原理Pytorch实现:生成正态分布数据WGANWGAN-GP结果对比WGAN,WGAN-GP原理GAN有多种解释,这里我总结一下:原始论文解读https://zhuanlan.zhihu.com/p/25071913(苏神专场)互怼的艺术:从零直达WGAN-GPhttps://spaces.ac.cn/archives/4439从Wasserstein距离、对偶理论到WGANhttps://spaces.ac.cn/archives/6280动力学角原创 2022-05-05 10:43:06 · 5791 阅读 · 3 评论 -
【Pytorch】(九)生成对抗网络(GAN)
文章目录生成对抗网络(GAN)生成序列[2]GAN生成服从正态分布的数据[3][4]生成对抗网络(GAN)图片来源:生成序列[2]实现:输入[0.5],输出[1, 0, 1, 1, 0, 0, 1, 0]from torch import nnimport torchimport numpy as npimport matplotlib.pyplot as pltimport matplotlibtorch.manual_seed(1)matplotlib.rcParams['fo原创 2022-05-03 12:17:52 · 2381 阅读 · 0 评论 -
【Pytorch】(八)Batch Normalization
import torchimport torch.nn as nnimport torch.nn.functional as Fimport torch.optim as optimfrom torch.utils.data import DataLoaderfrom torchvision import datasetsimport torchvision.transforms as transformsclass LeNet5(nn.Module): def __init__(原创 2022-02-20 11:33:33 · 782 阅读 · 0 评论 -
【pytorch】(七)卷积网络:LeNet-5
文章目录LeNet搭建模型加载数据训练模型完整实现LeNet搭建模型import torch # for all things PyTorchimport torch.nn as nn # for torch.nn.Module, the parent object for PyTorch modelsimport torch.nn.functional as F # for the activation function上图.原创 2022-01-26 10:05:59 · 2136 阅读 · 0 评论 -
【pytorch】(六)保存和加载模型
【pytorch】保存和加载模型在本节中,我们将了解如何通过保存、加载和运行模型预测来保持模型状态。import torchimport torchvision.models as models保存和加载模型权重PyTorch模型将学习到的参数存储在内部状态字典(称为state_dict)中。这些参数可以通过torch.save持保存model = models.vgg16() # we do not specify pretrained=True, i.e. do not load defa原创 2022-01-24 11:25:05 · 1209 阅读 · 0 评论 -
【pytorch】(五)优化模型参数
【pytorch】优化模型参数import torchfrom torch import nnfrom torch.utils.data import DataLoaderfrom torchvision import datasetsfrom torchvision.transforms import ToTensor, Lambdatraining_data = datasets.FashionMNIST( root="data", train=True, down原创 2022-01-23 11:28:58 · 1641 阅读 · 0 评论 -
【pytorch】(四)torch.autograd自动微分
torch.autograd自动微分在训练神经网络时,最常用的算法是反向传播。在该算法中,参数(模型权重)根据损失函数相对于给定参数的梯度进行调整。为了计算这些梯度,PyTorch有一个内置的称为torch的微分引擎。签名。它支持对任何计算图形自动计算梯度。考虑最简单的一层神经网络,输入X,参数W和B,以及一些损失函数。可按以下方式在PyTorch中定义:import torchx = torch.ones(5) # input tensory = torch.zeros(3) # exp原创 2022-01-20 11:37:57 · 1974 阅读 · 1 评论 -
【pytorch】(三)建立神经网络
建立神经网络神经网络由对数据执行操作的层/模块组成。torch.nn命名空间提供了构建自己的神经网络所需的所有构建块。PyTorch中的每个模块都是nn.Module的子类。神经网络本身就是一个由其他模块(层)组成的模块。这种嵌套结构允许轻松构建和管理复杂的体系结构。在接下来的部分中,我们将构建一个神经网络来对FashionMNIST数据集中的图像进行分类。import osimport torchfrom torch import nnfrom torch.utils.data import原创 2022-01-20 11:37:44 · 1717 阅读 · 2 评论 -
【pytorch】(二)实例讲解Dataset 和 DataLoader
文章目录Dataset 和 DataLoaderDataset加载数据集transformsToTensor()Lambda Transforms迭代和可视化数据集自定义数据集类——真假索隆DataLoaderDataset 和 DataLoader用于处理数据样本的代码可能会变得凌乱且难以维护;理想情况下,我们希望数据集代码与模型训练代码解耦,以获得更好的可读性和模块化。PyTorch提供的torch.utils.data.DataLoader 和 torch.utils.data.Dataset允.原创 2022-01-16 11:59:38 · 2268 阅读 · 1 评论 -
【pytorch】(一)张量(tensor)
文章目录三阶多项式拟合正弦函数(numpy, ndarray)张量直接由数据得到由NumPy array得到由另一个张量得到初始化随机或常量值张量张量的属性张量运算标准numpy式的索引和切片连接张量[2]算术运算单元素张量就地(In-place)操作[3]张量与Numpy 数组张量 到 NumPy 数组NumPy 数组 到 张量三阶多项式拟合正弦函数(pytorch,tensor)三阶多项式拟合正弦函数(numpy, ndarray)Numpy是科学计算的框架,不是专门用于计算图、深度学习或梯度的。但原创 2022-01-10 15:03:22 · 1758 阅读 · 0 评论