pytorch
文章平均质量分 82
是安澜啊
我想攀登科学的高峰~
邮箱:yinyiyang0401@163.com
展开
-
【pytorch学习笔记】GoogleNet网络
GoogLeNet结构Inception块GoogLeNet吸收了NiN中串联⽹络的思想,并在此基础上做了改进。这篇论⽂的⼀个重点是解决了什么样⼤小的卷积核最合适的问题。毕竟,以前流⾏的⽹络使⽤小到 1 × 1 ,⼤到 11 × 11 的卷积核。本⽂的⼀个观点 是,有时使⽤不同⼤小的卷积核组合是有利的。在GoogLeNet中,基本的卷积块被称为Inception块(Inception block)。Inception块由四条并⾏路径组成。前三条路径使⽤窗口⼤小为 1 × 1、3 × .原创 2022-05-02 10:26:36 · 492 阅读 · 0 评论 -
【pytorch学习笔记】pytorch 搭建NIN网络+Fashion-Mnist数据集
目录NIN网络pytorch 搭建NIN网络参考NIN网络论文《Network In Network》在传统的CNN模型中,卷积层通过filter进行卷积操作,再使用非线性激活函数进行处理,产生特征映射(feature mapping)。其中,高层卷积层提取到的feature mapping是在底层卷积层提取到的feature mapping的基础上进行再提取得到的,所以如果提高每个卷积层的特征提取能力,那么对于整体的特征能力来说也会有一定提升。CNN的卷积层可以看作是一个广原创 2022-05-01 21:52:37 · 368 阅读 · 0 评论 -
【pytorch学习笔记】pytorch搭建VGG16网络+FashionMnist数据集
目录VGG网络介绍pytorch搭建VGG网络附加知识参考VGG网络介绍论文:《Very Deep Convolutional Networks for Large-ScaleImage Recognition》论文地址:https://arxiv.org/abs/1409.1556VGG ⽹络可以分为两部分:第⼀部分主要由卷积层和汇聚层组成,第⼆部分由全连接层组成。VGG网络有多种不同的配置,但是VGG块数量都是5,VGG块中的卷积层的数量不同或者f...原创 2022-05-01 18:33:47 · 1835 阅读 · 1 评论 -
【pytorch学习笔记】pytorch搭建AlexNet网络+FashionMnist数据集
目录AlexNet网络介绍pytorch搭建网络AlexNet网络介绍AlexNet由⼋层组成:五个卷积层、两个全连接隐藏层和⼀个全连接输出层。其次,AlexNet使⽤ReLU而不是sigmoid作为其激活函数。在AlexNet的第⼀层,卷积窗口的形状是 11×11,,需要⼀个更⼤的卷积窗口来捕获⽬标。AlexNet将sigmoid激活函数改为更简单的ReLU激活函数。⼀⽅⾯,ReLU激活函数的计算更简单,它 不需要如sigmoid激活函数那般复杂的求幂运算。另⼀⽅⾯,原创 2022-05-01 09:27:06 · 959 阅读 · 0 评论 -
[pytorch学习笔记] 使用pytorch 搭建自己的网络
目录数据预处理加载训练集和测试集查看迭代器中的图片使用GPU训练搭建自己的网络定义损失函数定义优化方法 SGD 随机梯度下降开始训练可视化训练误差和测试误差 模型的保存测试参考数据预处理使用torchvision中的transforms模块对数据进行预处理:# 使用Composes将transforms组合在一起,tranforms子类进行数据预处理和数据增强 data_transforms = { 'train':tran...原创 2022-04-11 23:50:55 · 2000 阅读 · 2 评论 -
[pytorch学习笔记] 7. 优化模型参数,模型保存和加载
目录优化模型参数超参数优化循环损失函数优化器模型保存和加载保存和加载模型权重使用形状保存和加载模型优化模型参数现在我们有了模型和数据,是时候通过优化我们的数据上的参数来训练、验证和测试我们的模型了。 训练模型是一个迭代过程; 在每次迭代(称为 epoch)中,模型对输出进行猜测,计算猜测中的误差(损失),收集误差相对于其参数的导数,并优化 这些参数使用梯度下降。We load the code from the previous sections onDat.翻译 2022-04-09 21:58:41 · 850 阅读 · 0 评论 -
[pytorch学习笔记] 6. TORCH.AUTOGRAD 进行自动微分
目录张量、函数和计算图计算梯度禁用梯度跟踪参考在训练神经网络时,最常用的算法是反向传播。 在该算法中,参数(模型权重)根据损失函数相对于给定参数的梯度进行调整。为了计算这些梯度,PyTorch 有一个名为 torch.autograd 的内置微分引擎。 它支持任何计算图的梯度自动计算。考虑最简单的一层神经网络,输入 x、参数 w 和 b,以及一些损失函数。 它可以通过以下方式在 PyTorch 中定义:import torchx = torch.ones(5) # i翻译 2022-04-09 20:49:02 · 319 阅读 · 0 评论 -
[pytorch学习笔记] 5. 使用pytorch搭建神经网络
目录介绍设置训练硬件定义类模型层全连接层(nn.Flatten )nn.Linear(线性层)nn.ReLUnn.Sequentialnn.SoftmaxModel Parameters介绍神经网络由对数据执行操作的层/模块组成。 torch.nn 命名空间提供了构建神经网络所需的所有模块。 PyTorch 中的每个模块都是 nn.Module 的子类。 神经网络本身是一个模块,它由其他模块(层)组成。 这种嵌套结构允许轻松构建和管理复杂的架构。在接下翻译 2022-04-09 17:31:45 · 2181 阅读 · 0 评论 -
[pytorch学习笔记] 4.Transforms
目录介绍ToTensor()Lambda Transforms参考介绍数据并不总是以训练机器学习算法所需的最终处理形式出现。 我们使用Transforms来对数据进行一些操作并使其适合训练。所有 TorchVision 数据集都有两个参数 - 用于修改特征的transform和用于修改标签的 target_transform - 接受包含转换逻辑的可调用对象。 torchvision.transforms 模块提供了常用转换。FashionMNIST 数据集图片是 P翻译 2022-04-09 12:06:08 · 488 阅读 · 0 评论 -
[pytorch学习笔记] 3.Datasets & Dataloaders
类的基本思想是数据抽象和封装。数据抽象是一种依赖于接口和实现分离的编程技术。封装实现了类的接口和实现的分离,封装后的类隐藏了它的实现细节。类的用户只能使用接口而无法访问实现部分。定义抽象数据类型...翻译 2022-04-09 10:49:05 · 459 阅读 · 0 评论 -
【pytorch学习笔记】1.pytorch 简介
目录简介PyTorch 实现模型训练的 5 大要素安装简介2017 年 1 月,FAIR(Facebook AI Research)发布了 PyTorch。PyTorch 是在 Torch 基础上用 python 语言重新打造的一款深度学习框架。2017 年 1 月正式发布 PyTorch。 2018 年 4 月更新 0.4.0 版,支持 Windows 系统,caffe2 正式并入 PyTorch。 2018 年 11 月更新 1.0 稳定版。 2019 年 5 月更新 1.原创 2022-04-09 08:43:53 · 442 阅读 · 0 评论 -
[pytorch学习笔记] 2. tensor 张量
目录介绍张量初始化1.张量可以直接从数据中创建。 数据类型是自动推断的。2.张量通过numpy 中的数组进行初始化。3.通过别的张量进行初始化4.使用随机数或常数初始化:Tensor 属性张量运算连接张量算术运算单元素张量in-place 操作与 NumPy 桥接Tensor to NumPy arrayNumPy array to Tensor参考介绍Tensor 是一种特殊的数据结构,与数组和矩阵非常相似。 在 PyTorch 中,原创 2022-04-08 23:57:27 · 1797 阅读 · 0 评论