Pytorch学习
pytorch学习
爱听许嵩歌
每天学习,每天总结!
展开
-
pytorch_工作流基础
外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Tr7jKaov-1683687677715)(pytorch_01_%E5%B7%A5%E4%BD%9C%E6%B5%81%E5%9F%BA%E7%A1%80_files/pytorch_01_%E5%B7%A5%E4%BD%9C%E6%B5%81%E5%9F%BA%E7%A1%80_18_0.png)]原创 2023-05-12 23:09:09 · 250 阅读 · 1 评论 -
pytorch使用DataLoader装载自己的数据集进行训练
使用pytorch训练自己的数据集,用到Dataset和DataLoader原创 2023-05-12 23:06:29 · 565 阅读 · 0 评论 -
测试电脑GPU性能代码
测试GPU性能原创 2022-08-13 17:03:13 · 2881 阅读 · 6 评论 -
pytorch训练数据类型错误
RuntimeError: expected scalar type Long but found Float原创 2022-07-15 21:00:21 · 1404 阅读 · 0 评论 -
pytorch打印模型
在TensorFlow中有简单的API来查看模型的参数,summary()函数,在pytorch中也有这个函数,但是要安装一个包。首先安装包:pip install torchsummary例子:简单CNN网络模型打印import torchimport torch.nn as nnimport torch.nn.functional as Ffrom torchsummary import summaryclass Net(nn.Module): def __init__(s原创 2021-11-12 11:32:03 · 1254 阅读 · 0 评论 -
pytorch训练WGAN网络
使用8个高斯分布做对抗网络训练。wgan_gp.py,代码:import torchfrom torch import nn, optim, autogradimport numpy as npimport visdomfrom torch.nn import functional as Ffrom matplotlib import pyplot as pltimport randomh_dim = 400batchsz = 512viz = visdom.Visdom()c原创 2021-04-09 14:33:44 · 766 阅读 · 0 评论 -
pytorch利用变分自编码器进行MNIST实战
自编码器是一种无监督学习它的作用:1、降维2、预处理3、可视化4、利用无监督的数据5、压缩、降噪、超分辨率原理一句话概括,自己训练自己。怎么训练PCA和Auto-Encoders的区别PCA的线性变换对特征维度的类型有限制,AE可以是非线性变换。降噪AEKL散度KL计算公式:通过这样的技巧,在反向传播中就可以顺利通过了。可以理解为这样:main.py代码为:import torchfrom torch.utils.data import DataLoader原创 2021-03-30 14:57:49 · 1681 阅读 · 0 评论 -
pytorch 利用ResNet18进行手写数字识别
先写resnet18.py,代码如下:import torchfrom torch import nnfrom torch.nn import functional as Fclass ResBlk(nn.Module): """ resnet block """ def __init__(self, ch_in, ch_out, stride=1): """ :param ch_in: :param ch_ou原创 2021-03-24 15:00:04 · 3269 阅读 · 2 评论 -
pytorch利用LeNet5和ResNet18训练Cifar10数据集
CIFAR10数据集 该数据集共有60000张彩色图像,这些图像是32*32,分为10个类,每类6000张图。这里面有50000张用于训练,构成了5个训练批,每一批10000张图;另外10000用于测试,单独构成一批。测试批的数据里,取自10类中的每一类,每一类随机取1000张。抽剩下的就随机排列组成了训练批。注意一个训练批中的各类图像并不一定数量相同,总的来看训练批,每一类都有5000张图。需要说明的是,这10类都是各自独立的,不会出现重叠。LeNet5网络 LeNet5网络是一种用于手写体字符原创 2021-03-07 10:26:15 · 995 阅读 · 2 评论 -
pytorch中visdom可视化使用
7、神经网络的全连接损失函数为何要设定损失函数?我们想获得的是能提高识别精度的参数,特意再导入一个损失函数。为了找到使损失函数的值尽可能小的地方,需要计算参数的导数(确切地讲是梯度),然后以这个导数为指引,逐步更新参数的值。之所以不能用识别精度作为指标,是因为这样一来绝大多数地方的导数都会变为0,导致参数无法更新。总结:在进行神经网络的学习时,不能将识别精度作为指标。因为如果以识别精度为指标,则参数的导数在绝大多数地方都会变为0。举例子,假设某个神经网络正确识别出了100笔训练数据中的32笔原创 2020-07-16 16:28:11 · 817 阅读 · 1 评论 -
pytorch参数优化
随机梯度下降原创 2020-07-15 16:20:51 · 1133 阅读 · 0 评论 -
pytorch简单手写数字识别
简单回归问题只使用numpy编写,代码里有注释import numpy as np# y = wx + b# 计算均方误差# ???????????????? = ???????? + ???? − ???? def compute_error_for_line_given_points(b, w, points): totalError = 0 for i in range(0, len(points)): x = points[i, 0]原创 2020-07-14 10:02:08 · 685 阅读 · 0 评论 -
Pytorch1.8版本安装
查看自己cuda版本,我的cuda是11版本了,所以可以安装11版本以下的任何版本。进入pytorch官网https://pytorch.org/按照上面图这样选择,安装pytorch有GPU加速的版本,安装命令可以改下,后面加个豆瓣源,这样下载速度快些。pip install torch===1.5.1 torchvision===0.6.1 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.douba原创 2020-11-19 11:08:26 · 21967 阅读 · 9 评论