![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
pytorch
chris_1996
这个作者很懒,什么都没留下…
展开
-
pytorch——SENet详解及PyTorch实现
SENet详解及PyTorch实现pytorch12 SENet详解及PyTorch实现SENet详解及PyTorch实现网络结构参数量分析PyTorch实现与解析上一节课讲解了MobileNet的一个DSC深度可分离卷积的概念,希望大家可以在实际的任务中使用这种方法,现在再来介绍EfficientNet的另外一个基础知识,Squeeze-and-Excitation Networks压缩-激活网络网络结构参数量分析每一个卷积层都增加了额外的两个全连接层,不够好在全连接层的参数非常小,所以直观原创 2020-10-02 16:29:34 · 2719 阅读 · 1 评论 -
pytorch——MobileNet详解及PyTorch实现
MobileNet详解及PyTorch实现pytorch11 MobileNet详解及PyTorch实现MobileNet详解及PyTorch实现背景深度可分离卷积一般卷积计算量深度可分离卷积计算量网络结构PyTorch实现背景Mobile是移动、手机的概念,MobileNet是Google在2017年提出的轻量级深度神经网络,专门用于移动端、嵌入式这种计算力不高、要求速度、实时性的设备。深度可分离卷积主要应用了深度可分离卷积来代替传统的卷积操作,并且放弃pooling层。把标准卷积分解成:深原创 2020-09-21 23:05:18 · 5730 阅读 · 0 评论 -
pytorch——pytorch常见运算详解
pytorch常见运算详解pytorch10 pytorch常见运算详解pytorch常见运算详解矩阵与标量哈达玛积矩阵乘法幂与开方对数运算近似值运算剪裁运算矩阵与标量这个是矩阵(张量)每一个元素与标量进行操作。import torcha = torch.tensor([1,2])print(a+1)>>> tensor([2, 3])哈达玛积这个就是两个相同尺寸的张量相乘,然后对应元素的相乘就是这个哈达玛积,也成为element wise。a = torch.ten原创 2020-09-20 21:55:33 · 5286 阅读 · 0 评论 -
pytorch——tensor数据结构与存储结构
tensor数据结构与存储结构pytorch9 tensor数据结构与存储结构tensor数据结构与存储结构pytorch数据结构默认整数与浮点数dtype修改变量类型变量类型有哪些数据类型转换torch vs numpy两者转换两者区别张量张量修改尺寸张量内存存储结构存储区头信息区pytorch数据结构默认整数与浮点数【pytorch默认的整数是int64】pytorch的默认整数是用64个比特存储,也就是8个字节(Byte)存储的。【pytorch默认的浮点数是float32】pytorc原创 2020-09-20 21:44:42 · 1012 阅读 · 0 评论 -
pytorch——MINST数据集
MINST数据集pytorch8 MINST数据集MINST数据集数据概况数据可视化类别是否均衡训练与推理构建dataset构建模型类训练模型推理预测数据概况一般在进行模型训练之前,都要做一个数据集分析的任务。这个在英文中一般缩写为EDA,也就是Exploring Data Analysis(好像是这个)。import pandas as pdimport torchfrom torchvision.utils import make_gridimport matplotlib.pyplot原创 2020-09-20 21:07:07 · 3344 阅读 · 0 评论 -
pytorch——最新版本torchvision.transforms常用API翻译与讲解
最新版本torchvision.transforms常用API翻译与讲解pytorch7 最新版本torchvision.transforms常用API翻译与讲解最新版本torchvision.transforms常用API翻译与讲解基本函数ComposeRandomChoiceRandomOrderPIL上的操作中心切割CenterCrop随机切割RandomCrop随机比例切割颜色震颤ColorJitter随机旋转RandomRotation灰度化Grayscalesize概率随机(常用)Tensor原创 2020-09-19 20:12:06 · 273 阅读 · 0 评论 -
pytorch——模型的构建访问遍历存储
模型的构建访问遍历存储pytorch6 模型的构建访问遍历存储模型的构建访问遍历存储模型构建函数add_moduleModuleListSequential总结遍历模型结构modules()named_modules()parameters()保存与载入模型构建函数torch.nn.Module是所有网络的基类,在PyTorch实现模型的类中都要继承这个类(这个在之前的课程中已经提到)。在构建Module中,Module是一个包含其他的Module的,类似于,你可以先定义一个小的网络模块,然后把这个小原创 2020-09-18 14:43:31 · 1385 阅读 · 0 评论 -
pytorch——torchvision预训练模型与数据集全览
torchvision预训练模型与数据集全览pytorch5 torchvision预训练模型与数据集全览torchvision预训练模型与数据集全览torchvisiontorchvision.datssetstorchvision.models模型比较torchvision官网介绍: The torchvision package consists of popular datasets, model architectures, and common image transformations原创 2020-09-17 21:37:26 · 8941 阅读 · 3 评论 -
pytorch——构建模型三要素与权重初始化
构建模型三要素与权重初始化pytorch4 构建模型三要素与权重初始化构建模型三要素与权重初始化模型三要素参数初始化完整运行代码尺寸计算与参数计算模型三要素三要素其实很简单必须要继承nn.Module这个类,要让PyTorch知道这个类是一个Module在__init__(self)中设置好需要的组件,比如conv,pooling,Linear,BatchNorm等等最后在forward(self,x)中用定义好的组件进行组装,就像搭积木,把网络结构搭建出来,这样一个模型就定义好了我们来看一个原创 2020-09-17 20:15:05 · 1025 阅读 · 0 评论 -
pytorch——Dataset和Dataloader
Dataset和Dataloaderpytorch3 Dataset和DataloaderDataset和DataloaderDataset基类构建Dataset子类Initgetitemdataloader其他Dataset基类PyTorch 读取其他的数据,主要是通过 Dataset 类,所以先简单了解一下 Dataset 类。在看很多PyTorch的代码的时候,也会经常看到dataset这个东西的存在。Dataset类作为所有的 datasets 的基类存在,所有的 datasets 都需要继承原创 2020-09-17 14:49:17 · 335 阅读 · 0 评论 -
pytorch——误差与过拟合
误差与过拟合pytorch2 误差与过拟合误差与过拟合误差评估方法误差错误率(error rate)假设有m个样本,a个分类错误,那么错误率E=a/m.精度(accuracy)是 1-E经验误差(empirical error)在训练集上,预测输出与样本的真实输出之间的差异(差异!)称为经验误差或训练误差。泛化误差(generalization)在新样本上的误差称为泛化误差。过拟合(overfitting)训练好的分类器对训练样本很好的分类,但是对测试样本的分类结果很糟糕。欠拟合可原创 2020-09-16 18:48:44 · 655 阅读 · 0 评论 -
pytorch——动态图与静态图
pytorch动态图与静态图pytorch 动态图与静态图pytorch动态图与静态图动态图初步推导动态图的叶子节点grad_fn静态图动态图初步推导计算图是用来描述运算的有向无环图计算图有两个主要元素:结点(Node)和边(Edge)结点表示数据 ,如向量、矩阵、张量边表示运算 ,如加减乘除卷积等上图是用计算图表示:y=(x+w)*(w+1)其中a=x+w b=w+1Pytorch在计算的时候,就会把计算过程用上面那样的动态图存储起来。现在我们计算一下y关于w的梯度:(上面的原创 2020-09-16 10:57:05 · 2101 阅读 · 0 评论 -
pytorch——搭建网络
pytorch搭建网络pytorch-1 简单网络搭建pytorch搭建网络import 必要的库数据集网络搭建优化器训练网络测试import 必要的库import torchimport torch.nn as nnimport numpy数据集x = np.mat('0 0;' '0 1;' '1 0;' '1 1')x = torch.tensor(x).float()y = np.mat('1;' '0;' '0;' '原创 2020-09-15 21:27:53 · 303 阅读 · 0 评论