Pytorch
文章平均质量分 71
Pytorch学习记录
liu_jie_bin
技术栈: c++ pyhton Qt opencv halcon
展开
-
Pytorch安装及环境配置详细教程(CUDA版本)
Pytorch(cuda版本)安装,踩坑总结,亲测有效原创 2023-02-01 22:06:50 · 8787 阅读 · 2 评论 -
Pytorch torchvision.transforms模块使用
torchvision.transforms模块构成torchvision.transforms模块包含如下类:__all__ = ["Compose", "ToTensor", "PILToTensor", "ConvertImageDtype", "ToPILImage", "Normalize", "Resize", "Scale", "CenterCrop", "Pad", "Lambda", "RandomApply", "RandomChoice", "RandomOr原创 2022-05-04 09:41:43 · 663 阅读 · 0 评论 -
Pytorch 基于经典模型LeNet-5训练MNIST数据集手写数字
LeNet-5官网链接卷积神经网络是一种特殊的多层神经网络。与几乎所有其他神经网络一样,它们使用反向传播算法版本进行训练。它们的不同之处在于架构。卷积神经网络旨在通过最少的预处理直接从像素图像中识别视觉模式。他们可以识别具有极大可变性的模式(例如手写字符),并且对扭曲和简单的几何变换具有鲁棒性。...原创 2022-04-26 21:28:12 · 3638 阅读 · 0 评论 -
torchvision.datasets.CIFAR10模块使用讲解
__all__ = ('LSUN', 'LSUNClass', 'ImageFolder', 'DatasetFolder', 'FakeData', 'CocoCaptions', 'CocoDetection', 'CIFAR10', 'CIFAR100', 'EMNIST', 'FashionMNIST', 'QMNIST', 'MNIST', 'KMNIST', 'STL10', 'SVHN', 'PhotoTo原创 2022-04-17 11:07:47 · 23097 阅读 · 0 评论 -
Pytorch学习(六)构建神经网络
文章目录前言一、pandas是什么?二、使用步骤1.引入库2.读入数据总结前言通常,一个典型的神经网络训练过程包括以下几点:1.定义一个包含可训练参数的神经网络2.迭代整个输入3.通过神经网络处理输入4.计算损失(loss)5.反向传播梯度到神经网络的参数6.更新网络的参数,典型的用一个简单的更新方法:weight = weight - learning_rate *gradient定义神经网络本章将讲解定义一个神经一个简单的神经网络。一、pandas是什么?示例:pandas 是基原创 2022-04-08 23:06:05 · 1004 阅读 · 0 评论 -
Pytorch学习(五)ReLu激活函数
文章目录概念函数原型参数说明代码示例概念PyTorch实现了常见的激活函数,ReLu为最常用激活函数,其原理就是将小于零的数值截至为0;其数学表达式为:函数原型torch.nn.ReLU(inplace=False)参数说明inplace参数如果设为True,它会把输出直接覆盖到输入中,这样可以节省内存/显存。代码示例input = torch.tensor([ [-5,-3,4,5], [3,2,-3,1], [4,-3,4,2]], dtype=torc原创 2022-04-07 21:54:11 · 4627 阅读 · 0 评论 -
Pytorch学习(四)MaxPool最大池化
文章目录前言一维池化函数原型参数说明代码示例二维池化函数原型参数说明代码示例前言例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。一维池化函数原型torch.nn.MaxPool1d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)如果输入大小为(N,C,Lin) ,则输出(N,C,Lout)计算公式原创 2022-04-04 22:23:59 · 8580 阅读 · 0 评论 -
Pytorch报urllib.error.URLError: <urlopen error [SSL: CERTIFICATE_VERIFY_FAILED]错误
问题描述在调用torchvision.datasets.CIFAR10下载数据集的过程中,trainset = torchvision.datasets.CIFAR10(root='./data', train=True, download=True, transform=transform)报如下错误:Traceback (most recent call last): File "D:/pythonCode/pytorch/Learn_Torchvision/Leran_datasets原创 2022-04-03 11:08:09 · 7110 阅读 · 5 评论 -
Pytorch学习(三)Linear层
文章目录前言函数原型参数说明示例前言在讲Linear线性变换之前,先来看一个矩阵变换的例子from __future__ import print_functionimport torchin_features = torch.tensor([2,2,2,2], dtype=torch.double)weight_matrix = torch.tensor([ [5,5,5,5], [3,3,3,3], [4,4,4,4]], dtype=torch.double)原创 2022-04-02 00:09:50 · 6542 阅读 · 0 评论 -
Pytorch学习(二)Conv2d卷积
函数功能为在由多个输入平面组成的输入信号上应用二维卷积。https://pytorch.org/docs/stable/generated/torch.nn.Conv2d.html#torch.nn.Conv2d函数原型torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None原创 2022-03-25 20:57:40 · 5442 阅读 · 0 评论 -
Pytorch学习(一)Tensor(张量)
构造一个5x3未初始化的矩阵x = torch.empty(5, 3)print(x)打印输出:tensor([[0., 0., 0.],[0., 0., 0.],[0., 0., 0.],[0., 0., 0.],[0., 0., 0.]])构造一个5x3随机初始化的矩阵x = torch.empty(5, 3)print(x)打印输出:tensor([[0.1018, 0.3758, 0.2924],[0.5437, 0.9374, 0.3051],[0.6789, 0原创 2022-03-24 23:39:02 · 756 阅读 · 0 评论