富科智投-CSDN博客

原创 PyTorch 中模型计算仍然比 CPU 慢的情况,通常有以下几个原因需要检查

在 PyTorch 中模型计算仍然比 CPU 慢的情况,通常有以下几个原因需要检查:

2023-07-13 00:19:42 644 1

原创在PyTorch中将深度神经网络代码从CPU改为GPU运算,主要需要修改处

主要就是确保模型、数据、计算都在GPU上进行,同时保存加载时注意在CPU和GPU之间转换。损失函数计算需要将GPU tensor作为输入,优化器需要在GPU参数上进行优化。将DataLoader输出移动到GPU上。模型在GPU上进行前向传播和反向传播计算。将参数移动到CPU内存上。保存或加载模型时需要使用。计算损失函数和优化器。

2023-07-13 00:18:24 782 1

原创针对PyTorch模型保存和加载时CPU和GPU之间的转换

所以保存前需要调用model.cpu()将参数移动到CPU内存,xn–gpumodel-hu2m38skqbr8hs8w9r0clq3bea0669fmpj3sq.to(device)将参数加载到GPU上。主要原因是torch.save和torch.load默认是存储在CPU内存中的,而模型在GPU上时参数是存储在GPU内存的。这样可以正确保存和加载模型到CPU/GPU。

2023-07-13 00:16:51 1602 1

原创 Win11_Pytorch_Cuda,运行崩溃的原因

机子是小米ProX 15 ，Torch 2.0, Cuda 11。各种配置良好，检验OK。但就是运行cuda运算时间稍长时就崩溃。各种检查，居然发现是电源原因，功率不够。配130W电源，我为了方便用了65W氮化镓电源。平时工作OK，3050I一旦启动功率就不够了。

2023-07-12 12:53:31 194 1

原创除了Slack，Claude还有别的应用环境吗？

使用Claude三个月，无比舒适，体验和内容好过3.5，还有别的途径用Claude吗？Slack开始限制非付费用户使用Slack，宣告了Claude in Slack的基本不可用。

2023-07-10 22:53:31 490 1

原创 pytorch框架，线性回归分析，采用不同数量的数据源，得出的准确率差异很大。请问为什么？

所以,为了提高线性回归的准确率与稳定性,我们需要确保数据量充足,特征选取合理,超参数调整优化,并留意不同数据源之间的分布差异。1. 数据量不足线性回归需要足够的数据来拟合模型的参数,如果数据量太少,很容易导致过拟合,即无法很好地推广到新的数据,降低了准确率。4. 优化过程不稳定线性回归使用梯度下降法优化,如果学习率设置不当,可能导致loss函数的优化过程不稳定,导致结果波动。5. 数据分布变化如果不同的数据源之间分布发生较大变化,也会导致线性回归模型对新的分布拟合不足,准确率下降。

2023-07-10 16:32:48 183 1

原创 TUSHARE今天无法读到数据

TUSHARE今天无法读到数据程序之前运行都正常，但今天不行。基本代码如下：import tushare as tsts.set_token('11137xxxxxxx') #（自己申请的token）pro = ts.pro_api()# df = pro.daily(ts_code='601318.SH', start_date='20220101', end_date='20221231')错误信息如下：TPConnectionPool(host=‘api.waditu.com’

2022-04-06 22:08:44 1100 11

原创量化：通过ta-lib计算MA5指标

import talib as taimport numpy as np price = np.array([1.0, 321.0, 231.0, 321.0, 45.0, 46.0, 57.0, 897.0, 987.0, 64.0, 78987.0, 31.0, 32.0, 654.0, 5.0])ma5 = ta.MA(price, 5)print(ma5)以上是借助于talib库实现MA指标运算，同理MA10， 20等一样可以计算。注意几点：1、TA-Lib 在intel平台上.

2022-01-05 23:11:21 2124 1

weixin_45621026的博客