PyTorch
文章平均质量分 93
许喜远
这个作者很懒,什么都没留下…
展开
-
PyTorch - 36 - PyTorch DataLoader源代码 - Debugging Session
欢迎来到DeepLizard。 我叫克里斯。 在本集中,我们将从上次查看数据归一化的地方开始。 只是这一次,我们将要调试代码,而不是编写代码,尤其是要调试到PyTorch源代码中,以查看在规范化数据集时到底发生了什么。原创 2021-01-13 14:02:19 · 252 阅读 · 0 评论 -
PyTorch - 35 - PyTorch数据集标准化 - Torchvision.Transforms.Normalize()
欢迎来到Deeplizard。 我叫克里斯。 在本集中,我们将学习如何规范化数据集。 我们将看到如何在代码中执行数据集归一化,并且将看到归一化如何影响神经网络训练过程。原创 2021-01-13 13:57:11 · 1624 阅读 · 0 评论 -
PyTorch - 34 - 在GPU上进行PyTorch - 使用CUDA训练神经网络
Welcome to deeplizard. My name is Chris. In this episode, we're going to learn how to use the GPU with PyTorch. We'll see how to use the GPU in general, and we'll see how to apply these general techniques to training our neural network.原创 2021-01-13 13:44:11 · 2189 阅读 · 0 评论 -
PyTorch - 33 - PyTorch DataLoader Num_workers - 深度学习速度限制增加
欢迎来到这个神经网络编程系列。 在这一集中,我们将看到如何利用PyTorch DataLoader类的多进程功能来加速神经网络训练过程。原创 2021-01-13 13:28:43 · 820 阅读 · 0 评论 -
PyTorch - 32 - CNN训练循环重构 - 同时进行超参数测试
欢迎来到这个神经网络编程系列。 在本集中,我们将看到如何在保持训练循环和结果井井有条的同时轻松地对大量超参数值进行实验。原创 2021-01-13 13:23:47 · 746 阅读 · 0 评论 -
PyTorch - 31 - Training Loop Run Builder - 神经网络实验
欢迎来到这个神经网络编程系列。 在本集中,我们将编写一个RunBuilder类,该类将允许我们使用不同的参数生成多个运行。原创 2021-01-13 13:09:49 · 463 阅读 · 0 评论 -
PyTorch - 30 - 超参数调整和实验 - 训练深度神经网络
欢迎来到这个神经网络编程系列。 在本集中,我们将看到如何使用TensorBoard快速试验不同的训练超参数,以更深入地了解我们的神经网络。原创 2021-01-13 13:00:00 · 2873 阅读 · 0 评论 -
PyTorch - 29 - 使用PyTorch的TensorBoard - 可视化深度学习指标
欢迎来到这个神经网络编程系列。 在本集中,我们将学习如何在神经网络训练过程中使用TensorBoard可视化CNN的指标。原创 2021-01-13 12:44:02 · 474 阅读 · 0 评论 -
PyTorch - 28 - PyTorch,TensorFlow和NumPy中的Stack vs Concat - 深度学习Tensor Ops
欢迎来到这个神经网络编程系列。 在本集中,我们将剖析级联和堆叠张量之间的区别。 我们将看三个示例,一个示例使用PyTorch,一个使用TensorFlow,另一个使用NumPy。原创 2021-01-13 12:36:05 · 557 阅读 · 0 评论 -
PyTorch - 27 - 带PyTorch的CNN Confusion Matrix - 神经网络编程
欢迎来到这个神经网络编程系列。 在本集中,我们将构建一些函数,这些函数将使我们能够为训练集中的每个样本获取预测张量。原创 2021-01-13 12:21:44 · 2822 阅读 · 0 评论 -
PyTorch - 26 - CNN训练循环说明 - 神经网络代码项目
欢迎来到这个神经网络编程系列。 在本集中,我们将学习如何使用Python为卷积神经网络构建训练循环。原创 2021-01-12 21:04:14 · 889 阅读 · 0 评论 -
PyTorch - 25 - CNN训练与代码示例 - 神经网络编程课程
欢迎使用PyTorch进行神经网络编程。 在本集中,我们将学习训练卷积神经网络所需的步骤。原创 2021-01-12 20:57:52 · 994 阅读 · 0 评论 -
PyTorch - 24 - CNN输出大小公式 - 额外的神经网络调试Session
欢迎使用PyTorch进行神经网络编程。 在此情节中,我们将看到输入张量在CNN中流动时如何进行变换。原创 2021-01-12 20:49:40 · 478 阅读 · 0 评论 -
PyTorch - 23 - 神经网络批处理 - 将图像批传递到PyTorch CNN
欢迎使用PyTorch进行神经网络编程。 我们在本集中的目标是将一批图像传递到我们的网络并解释结果。 事不宜迟,让我们开始吧。原创 2021-01-12 20:27:54 · 999 阅读 · 0 评论 -
PyTorch - 22 - 使用PyTorch进行CNN图像预测 - 解释正向传播
欢迎使用PyTorch进行有关神经网络编程的系列文章。 在这一集中,我们将看到如何使用卷积神经网络从数据集的样本图像生成输出预测张量。 事不宜迟,让我们开始吧。 在本系列的这一点上,我们已经完成了模型的构建,从技术上讲,我们可以从这里直接进入训练过程。 但是,让我们努力更好地了解我们的网络是如何开箱即用的,然后,一旦我们对网络有了更深入的了解,我们将更好地准备去了解培训过程。第一步是了解正向传播。原创 2021-01-12 16:31:47 · 2466 阅读 · 0 评论 -
PyTorch - 21 - CNN Forward方法 - PyTorch深度学习实现
欢迎使用PyTorch进行有关神经网络编程的系列文章。 在这一篇中,我们将展示如何在PyTorch中为卷积神经网络实现正向方法。原创 2021-01-12 16:21:53 · 1487 阅读 · 0 评论 -
PyTorch - 20 - 如何调试PyTorch源代码 - Python中的深度学习
欢迎来到Deeplizard。 我叫克里斯。 在这一集中,我们将看到如何使用Visual Studio Code IDE调试PyTorch源代码。原创 2021-01-12 16:10:47 · 1450 阅读 · 0 评论 -
PyTorch - 19 - 可调用神经网络 - 深度的线性层
欢迎使用PyTorch进行有关神经网络编程的系列文章。 在这一篇中,我们将学习如何调用PyTorch神经网络模块,这意味着什么,以及它如何告知我们如何调用网络和层转发方法。原创 2021-01-12 16:04:58 · 538 阅读 · 0 评论 -
PyTorch - 18 - CNN权重 - PyTorch神经网络中的可学习参数
欢迎回到有关使用PyTorch进行神经网络编程的系列文章。 现在是时候了解我们CNN内部的重量张量了。 我们会发现这些权重张量存在于我们的图层中,并且是网络的可学习参数。 事不宜迟,让我们开始吧。原创 2021-01-12 15:50:38 · 1508 阅读 · 0 评论 -
PyTorch - 17 - CNN层 - PyTorch深度神经网络架构
欢迎回到有关使用PyTorch进行神经网络编程的系列文章。 在本文中,我们将通过对构造CNN各个层时使用的参数的理解,来了解它们。原创 2021-01-12 15:32:42 · 333 阅读 · 0 评论 -
PyTorch - 16 - 建立PyTorch CNN - 面向对象的神经网络
欢迎回到有关使用PyTorch进行神经网络编程的系列文章。 在本文中,我们将开始使用PyTorch构建我们的第一个卷积神经网络(CNN)。 事不宜迟,让我们开始吧。原创 2021-01-11 21:48:10 · 549 阅读 · 0 评论 -
PyTorch - 15 - PyTorch数据集和数据加载器 - 深度学习和AI的训练集探索
欢迎回到有关使用PyTorch进行神经网络编程的系列文章。 在本文中,我们将了解如何使用Dataset和DataLoader PyTorch类。本文的目标是使人们对使用数据集和数据加载器对象感到满意,并对我们的训练集有所了解。 事不宜迟,让我们开始吧。原创 2021-01-11 21:28:46 · 905 阅读 · 3 评论 -
PyTorch - 14 - CNN图像准备代码项目 - 学习提取,转换,加载(Extract, Transform, Load : ETL)
欢迎回到有关使用PyTorch进行神经网络编程的系列文章。 在本文中,我们将编写本系列第二部分的第一个代码。我们将使用Torchvision(PyTorch用于机器学习的计算机视觉软件包)演示非常简单的提取,转换和加载管道。 事不宜迟,让我们开始吧。原创 2021-01-11 21:08:02 · 337 阅读 · 0 评论 -
PyTorch - 13 - 深度学习中的数据(重要)-人工智能的时尚MNIST
欢迎回到有关神经网络编程的系列文章。 在这篇文章中,我们将介绍Fashion-MNIST数据集。 我们将研究数据集规范,数据集的构建方式以及该数据集与原始MNIST手写数字数据集有何不同。 事不宜迟,让我们开始吧。原创 2021-01-11 20:47:28 · 343 阅读 · 0 评论 -
PyTorch - 12 - 深度学习代码 - ArgMax和缩减Tensor Ops
欢迎回到有关神经网络编程的系列文章。 在本文中,我们将学习张量的约简操作。我们将重点介绍常用的argmax()函数,并了解如何访问张量中的数据。 事不宜迟,让我们开始吧。原创 2021-01-11 20:28:22 · 402 阅读 · 0 评论 -
PyTorch - 11 - 深度学习张量 - 使用PyTorch进行广播和明智的操作
欢迎回到有关神经网络编程的系列文章。 在这篇文章中,我们将通过了解元素操作来扩展我们的知识,而不仅仅是重塑操作。原创 2021-01-11 14:24:43 · 733 阅读 · 0 评论 -
PyTorch - 10 - CNN扁平化操作 (Flatten Operation) 可视化 - 用于深度学习的张量批处理
欢迎回到有关神经网络编程的系列文章。 在本文中,我们将可视化单个灰度图像的张量展平操作,并且将展示如何展平特定的张量轴,这是CNN经常需要的,因为我们处理的是与单个输入相对的成批输入。 事不宜迟,让我们开始吧。原创 2021-01-11 14:01:00 · 5142 阅读 · 0 评论 -
PyTorch - 09 - Flatten, Reshape, 和Squeeze说明 - 使用PyTorch进行深度学习的张量
欢迎回到有关神经网络编程的系列文章。 从本系列的这篇文章开始,我们将开始使用到目前为止所掌握的关于张量的知识,并开始涵盖神经网络和深度学习的基本张量操作。原创 2021-01-11 13:41:41 · 1141 阅读 · 0 评论 -
PyTorch - 08 - 创建用于深度学习的PyTorch张量-最佳选择
欢迎回到有关使用PyTorch进行神经网络编程的系列文章。 在本文中,我们将仔细研究将数据转换为PyTorch张量的主要方法之间的差异。到本文结束时,我们将了解主要选项之间的差异以及应该使用哪些选项以及何时使用这些选项。 事不宜迟,让我们开始吧。原创 2021-01-11 12:38:49 · 216 阅读 · 0 评论 -
PyTorch - 07 - 神经网络编程 - 使用PyTorch进行深度学习
PyTorch - 07 - 神经网络编程 - 使用PyTorch进行深度学习Introducing PyTorch TensorsInstances Of The torch.Tensor ClassTensor AttributesTensors Have A torch.dtypePyTorch Tensor Type PromotionTensors Have A torch.deviceTensors Have A torch.layoutTake Away From The Tensor Att原创 2021-01-11 12:12:52 · 450 阅读 · 0 评论 -
PyTorch - 06 - CNN张量形状说明:卷积神经网络和特征图
PyTorch - 06 - CNN张量形状说明:卷积神经网络和特征图Convolutional Neural NetworkShape Of A CNN InputImage Height And Width图像色彩通道Image BatchesNCHW vs NHWC vs CHWN输出通道和特征图Feature Maps总结Convolutional Neural Network在此神经网络编程系列中,我们正在努力构建卷积神经网络(CNN),因此让我们看一下CNN的张量输入。在最后两篇文章中,原创 2020-12-15 12:50:02 · 1463 阅读 · 1 评论 -
PyTorch - 05 - Rank, Axes 和Shape:深度学习张量
PyTorch - 05 - Rank, Axes 和Shape:深度学习张量Rank, Axes 和Shape:深度学习张量张量等级排名和索引张量轴轴长张量的形状张量的形状很重要重塑张量总结Rank, Axes 和Shape:深度学习张量等级,轴和形状的概念是在深度学习中最关心我们的张量属性。秩轴数形状等级,轴和形状是在深度学习中从张量开始时最关心我们的三个张量属性。 这些概念是相互依存的,首先是等级,然后是轴,最后是形状,因此请密切注意这三个之间的关系。等级,轴和形状在一起都与我们在原创 2020-12-15 12:32:57 · 438 阅读 · 0 评论 -
PyTorch - 04 - 张量解释:深度学习的数据结构
PyTorch - 04 - 张量解释:深度学习的数据结构What Is A Tensor?Specific Instances Of TensorsIndexes Required To Access An ElementTensors Are Generalizations数学计算机科学总结What Is A Tensor?神经网络中的输入,输出和转换都使用张量表示,结果,神经网络编程大量使用了张量。张量是神经网络使用的主要数据结构。张量的概念是其他更具体概念的数学概括。让我们看一下张量的一原创 2020-12-15 12:13:02 · 331 阅读 · 0 评论 -
PyTorch - 03 - CUDA之解释:为什么深度学习使用GPU?
PyTorch - 03 - CUDA之解释:为什么深度学习使用GPU?为什么深度学习和神经网络使用GPUGraphics Processing Unit (GPU)Parallel Computing神经网络:并行计算卷积示例Nvidia硬件(GPU)和软件(CUDA)PyTorch随附CUDA在PyTorch中使用CUDAGPU可能比CPU慢GPGPU计算Tensors Are Up Next为什么深度学习和神经网络使用GPU这篇文章的目的是帮助初学者了解CUDA是什么以及它如何与PyTorch配合原创 2020-12-15 11:56:36 · 2426 阅读 · 0 评论 -
PyTorch - 02 - PyTorch安装-快速简便
PyTorch - 02 - PyTorch安装-快速简便准备安装PyTorch使用Anaconda和Conda安装PyTorchJupyter Notebook和VS Code(可选)验证PyTorch安装准备安装PyTorch欢迎回到有关使用PyTorch进行神经网络编程的系列文章。 在本集中,我们将介绍安装PyTorch所需的先决条件。 事不宜迟,让我们开始吧。使用Anaconda和Conda安装PyTorchPyTorch入门非常容易。 推荐的最佳选择是使用Anaconda Python软原创 2020-12-15 11:32:50 · 404 阅读 · 0 评论 -
PyTorch - 01 - 解释-Python深度学习神经网络API
PyTorch - Python Deep Learning Neural Network API原创 2020-10-22 10:21:44 · 505 阅读 · 1 评论 -
PyTorch - 00 - 先决条件-神经网络编程系列
欢迎使用PyTorch进行有关神经网络编程的系列文章。在这篇文章中,我们将研究进行最佳准备所需的先决条件。 我们将对该系列进行概述,并简要介绍我们将要进行的项目。 这将使我们对本系列中学到什么以及将要掌握的技能有一个很好的了解。原创 2020-10-22 09:49:56 · 308 阅读 · 0 评论