![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
轻松学pytorch
文章平均质量分 51
xiao52x
这个作者很懒,什么都没留下…
展开
-
百度AI Studio使用pytorch(下载中不知道能不能用)
1.首先创建一个文件 go.py*2.在终端1下载3.然后每次开服务器的时候把前两行注释掉4.然后在终端跑一下原创 2022-03-09 21:26:31 · 1088 阅读 · 1 评论 -
清华源镜像使用
1.清华源镜像解决了pip安装速度慢的问题。在使用pip的时候只需在pip install后加-i https://pypi.tuna.tsinghua.edu.cn/simple 即可。例如:安装tensorflowpip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow2.3pypi的国内镜像源:阿里云 http://mirrors.aliyun.com/pypi/simple/中国科技大学 https:原创 2022-03-06 18:44:33 · 52439 阅读 · 0 评论 -
1.轻松学pytorch:初始Tensor(Pytorch)
原创 2022-03-04 15:11:34 · 357 阅读 · 0 评论 -
2.TensorBoard的使用
TensorBoard的使用1.SummaryWriter类2.保存需要可视化的事件文件1.SummaryWriter类主要使用SummaryWriter类 来进行变量的保存,它可以向指定的文件夹写入事件文件,这个事件文件可以被tensorboard读取。这个类需要传入的主要参数为 log_dir 和 comment ,前者设定事件文件的保存路径,后者可以在文件夹名称后添加一些备注,如学习率、batch_size等做一个区分。2.保存需要可视化的事件文件主要涉及的函数为 .add_sca原创 2022-04-14 19:39:43 · 489 阅读 · 0 评论 -
3.transform
文章目录一、transform1.transform的结构及用法2.为什么tenseor的数据类型3、transform如何使用(python)二、常见的transform1. ToTensor2.Compose()类一、transform通过 transform.ToTensor去看两个问题1、transform如何使用(python)2、为什么我们需要Tensor数据类型1.transform的结构及用法2.为什么tenseor的数据类型3、transform如何使用(python)原创 2022-04-15 15:50:06 · 682 阅读 · 0 评论 -
4.trochvison的数据集使用(torchvision.datasets、torchvision.models、torchvision.transforms)
文章目录一、datasets1.下载数据import torchvision一、datasets1.下载数据方法一import torchvisionimport torchvision.transforms as transforms#下载训练集train_set=torchvision.datasets.CIFAR10(root="./dataset" #下载位置 ,train=True #原创 2022-04-15 16:27:30 · 176 阅读 · 0 评论 -
5 torch.utils.data (Dataset,TensorDataset,DataLoader)
文章目录一、DataLoader(数据预处理)DataLoader :(构建可迭代的数据装载器)二、TensorDataset(数据预处理)import torchfrom torch.utils.data import Datasetfrom torch.utils.data import TensorDatasetfrom torch.utils.data import DataLoader一、DataLoader(数据预处理)import torchimport torch.utils原创 2022-04-15 16:45:48 · 3713 阅读 · 0 评论 -
6.nn.Module的使用
神经网络的基本骨架-nn.Module的使用1.模板import torch.nn as nnimport torch.nn.functional as Fclass Model(nn.Module): def __init__(self): super().__init__() self.conv1 = nn.Conv2d(1, 20, 5) self.conv2 = nn.Conv2d(20, 20, 5) def forw原创 2022-04-15 20:09:14 · 142 阅读 · 0 评论 -
7.卷积层
卷积神经网络一、torch.nn1.卷积层 ( nn.Conv2d)2.池化层( nn.MaxPool2d)二、先从torch.nn.functional中探索conv2dconv2d的图片简介过程一、torch.nn1.卷积层 ( nn.Conv2d)torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mod原创 2022-04-15 21:57:31 · 188 阅读 · 0 评论 -
8、深度学习(线性层、)
一、线性层torch.nn.Linear(in_features, out_features, bias=True, device=None, dtype=None)in_features – 每个输入样本的大小out_features – 每个输出样本的大小bias——如果设置为False,该层将不会学习附加偏差。默认:TrueVariables(变量):Linear.weightLinear.bias官网Examples:m = nn.Linear(20, 30)input原创 2022-04-16 14:56:12 · 1101 阅读 · 0 评论 -
9.Sequential的介绍和神经网络搭建实战
文章目录一、Sequential的介绍2.实际应用例子二、神经网络搭建实战一、Sequential的介绍torch.nn.Sequential(*args)一个顺序容器。模块将按照它们在构造函数中传递的顺序添加到其中。或者,OrderedDict可以传入一个模块。该forward()方法Sequential接受任何输入并将其转发到它包含的第一个模块。然后,它将每个后续模块的输出顺序“链接”到输入,最后返回最后一个模块的输出。例子:# Using Sequential to create a sm原创 2022-04-16 15:39:33 · 1249 阅读 · 0 评论 -
10、损失函数与反向传播 、优化器
文章目录损失函数1、torch.nn.L1Loss()类2、torch.nn.MSELoss():优化器实例代码演示mport torchvisionfrom torch import nnfrom torch.nn import Sequential, Conv2d, MaxPool2d, Flatten, Linearfrom torch.utils.data import DataLoaderdataset = torchvision.datasets.CIFAR10("../dat原创 2022-04-16 16:30:09 · 188 阅读 · 0 评论 -
11、torchvision.model 现有网络模型的使用和修改
文章目录一、VGG(CNN经典网络模型)1、VGG16对vgg16模型进行改动①、模型的使用②- 模型修改⑤、模型保存和读取一、VGG(CNN经典网络模型)1、VGG16torchvision.models.vgg16(pretrained: bool = False, progress: bool = True, **kwargs: Any)pretrained (bool) – If True, returns a model pre-trained on ImageNet(如果为真,则返原创 2022-04-16 17:44:57 · 5531 阅读 · 1 评论 -
12、完整的模型训练套路(以CIFAR10数据集为例)
一、完整的训练模型1.cpu训练import torchvision# 准备数据集from torch import nnfrom torch.utils.data import DataLoaderimport torch# 准备数据集train_data = torchvision.datasets.CIFAR10(root="./data", train=True, transform=torchvision.transforms.ToTensor(),原创 2022-04-16 18:59:56 · 259 阅读 · 0 评论 -
13、完整的模型验证套路
文章目录一、完整的模型验证套路1.cpu训练保存的模型2.GPU 训练保存的模型一、完整的模型验证套路1.cpu训练保存的模型import torchimport torchvisionfrom PIL import Imagefrom torch import nnimage_path = "./imgs/dog.png"image = Image.open(image_path)image = image.convert('RGB')transform = torchvision原创 2022-04-16 20:06:14 · 99 阅读 · 0 评论