pytorch跑代码
文章平均质量分 58
安冉冉
郑州大学研究生在读
本科:信息安全
研究生:网络空间安全
研究方向:多模态虚假新闻检测
展开
-
优化模型参数
训练一个模型也是一个迭代的过程;在每次迭代中(又称为 epoch),模型会对输出进行一次预测,计算这个预测的误差(损失值),收集这些误差相对于参数的导数,然后通过梯度下降的方式来优化这些参数。原创 2024-03-19 15:01:00 · 449 阅读 · 0 评论 -
自动微分运算TORCH.AUTOGRAD
的tensor会追踪它的计算历史并支持梯度计算。但是也有我们并不需要这么做的场景,比如,当我们已经训练了模型且只想对一些输入数据应用的时候,比如我们只想做沿着网络的前向计算。要计算这些导数,我们调用loss.backward(),然后从 w.grad 和 b.grad 中获取值。在一个由函数(Function)对象构成的有向无环图中保持一份数据(tensor)以及全部执行的操作(以及产生的新tensor)的记录。注意: PyTorch 中的有向无环图是动态的: 一个重要的观察是这个图是从零重建的;原创 2024-03-18 15:34:42 · 446 阅读 · 0 评论 -
Build the Neural Network
将数据传递给模型并调用后返回一个 2 维tensor(第0维对应一组 10 个代表每种类型的原始预测值,第1维对应该类型对应的原始预测值)。我们将它传递给一个 nn.Softmax 模块的实例来来获得预测概率。是一个模块的有序容器。可以使用 sequential container(译者注:有序容器,也有的书称之为线性容器)来组成一个快速网络。一个由其他模块(层)组成的神经网络自身也是一个模块。这种嵌套的结构让构建和管理复杂的结构更轻松。神经网络由在数据上进行操作的层/模块构成。原创 2024-03-07 20:10:59 · 186 阅读 · 0 评论 -
Transforms
所有的 TorchVision 数据集都有两个参数: transform 用于修改特征和 target_transform 用于修改标签,它们接受包含转换逻辑的 callables。对于训练,我们需要将特征作为归一化的tensor,将标签作为独特编码的tensor。:返回一个由标量0填充的张量,形状由size(10)决定,参数可以是一个list 也可以是一个元组。将src中数据根据index中的索引按照dim的方向填进input。:pytorch中,一般函数加下划线代表直接在原来的Tensor上修改。原创 2024-03-05 17:43:13 · 257 阅读 · 0 评论 -
Datasets&DataLoader
一个自定义的数据集类必须实现三个函数:__init____len__, 和。以 FashionMNIST 数据集为例,它的图片存储在img_dir参数指定的目录中,标签存储在参数指定的CSV文件中。import os# 在实例化数据集对象时,__init__ 函数会运行一次,用于初始化图像目录、标签文件和图像转换属性self.img_labels = pd.read_csv(annotations_file) # 指定标签存储的csv文件。原创 2024-03-05 17:15:37 · 422 阅读 · 0 评论 -
ERROR: Could not find a version that satisfies the requirement matplotlib (from versions: none)
3、如果还是不行,看自己是不是开了科技,关闭科技才能用清华源。原创 2024-03-05 15:42:59 · 153 阅读 · 0 评论