- 博客(5)
- 收藏
- 关注
RSS订阅原创 花书1.线性回归简洁实现
文章目录导入读取数据集定义模型初始化模型参数定义损失函数定义优化算法训练导入import numpy as npimport torchfrom torch.utils import datafrom d2l import torch as d2ltrue_w = torch.tensor([2, -3.4])true_b = 4.2features, labels = d2l.synthetic_data(true_w, true_b, 1000)Copy to clipboard
2021-11-03 23:23:12
349
原创 Task04: PyTorch实战——FashionMNIST时装分类
文章目录目标基本配置导入包配置训练环境和超参数数据读入和加载设置数据变换读取方式一：使用torchvision自带数据集读取方式二：读入csv格式的数据，自行构建Dataset类定义DataLoader类：加载数据模型设计损失函数优化器训练和测试（验证）模型保存目标对10个类别的“时装”图像进行分类，使用FashionMNIST数据集（https://github.com/zalandoresearch/fashion-mnist ）。数据集中每个小图对应一个样本。FashionMNIST数据集中包含
2021-10-21 22:58:18
361
转载 Task03: PyTorch深度学习模块
文章目录深度学习的必要部分主要步骤特点基本配置数据读入：Dataset+Dataloader定义自己的Dataset类模型构建神经网络的构造神经网络中常见的层模型示例损失函数L1损失函数MSE损失函数平滑L1 (Smooth L1)损失函数目标泊松分布的负对数似然损失KL散度MarginRankingLoss多标签边界损失函数二分类损失函数K折页损失三元组损失余弦相似度CTC损失函数Pytorch优化器什么是优化器Pytorch提供的优化器属性方法实际操作输出结果训练和评估深度学习的必要部分主要步骤1
2021-10-18 22:52:12
199
原创 Task2：PyTorch基础知识（张量常用运算，自动求导，使用GPU）
文章目录张量简介创建Tensor查看属性常用操作加法操作变形操作索引操作（类似于numpy）广播机制自动求导——`autograd `包追踪计算历史反向传播预备知识.backward()使用GPU查看GPUGPU与张量GPU与模型并行计算CUDA并行计算的方法张量简介torch.Tensor 是存储和变换数据的主要工具。 Tensor 和NumPy的多维数组非常类似。然而，Tensor 提供GPU计算和自动求梯度等更多功能，这些使 Tensor 这一数据类型更加适合深度学习。存储在各种类型张量的公
2021-10-13 22:40:39
558
原创 PyTorch Task1 ： PyTorch的认知与安装
目录Pytorch的认知Pytorch的优势Pytorch编写代码基本步骤思想PyTorch的安装（Win10+GTX1060+Anaconda3）Pytorch的认知Pytorch的优势1.用户增长快速2.提供python接口3 相比与torch增加了自动求导4 相比与tf的图模型实现了一种动态的构建方式，类似chainer 和DyNet5.兼容numpyPytorch编写代码基本步骤思想在我们要用pytorch构建自己的深度学习模型的时候，基本上都是下面这个流程步骤，写在这里让一些新手
2021-10-12 12:26:38
112
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人