小记录:Pytorch做深度学习必要加载的包

小记录:Pytorch做深度学习必要加载的包_第1张图片

根据深度学习模型训练的五个阶段,记录下每个阶段需要加载的包,方便后续总结。

1. 数据

如果不包括数据预处理阶段,只包括数据加载的话,主要用到的就是Dataset和DataLoader,那么就需要导入:

import torch.utils.data as Data

如果需要进行预处理的话,比如标准化这些的话,就还需要导入transform:

import torchvision.transforms as transforms

2. 模型

模型的话主要就是指模型的定义,因为我们的模型类都是继承于torch.nn.Module类,所以需要导入torch.nn:

import torch
import torch.nn as nn

3. 损失函数

Pytorch中的损失函数都是在torch.nn模块下的,所以导入torch.nn即可:

import torch
import torch.nn as nn

4. 优化器

所有的优化器都在torch.optim模块下:

import torch.optim as optim

5. 迭代训练

迭代训练一般就是for循环,有时候为了可视化,需要展示进度条,所以需要tqdm包:

from tqdm import tqdm

其他

在真正进行模型训练的时候,下面一些包也少不了:

import math
import numpy as np
import pandas as pd
import glob 
import os
import matplotlib.pyplot as plt
小记录:Pytorch做深度学习必要加载的包_第2张图片

本文由 mdnice 多平台发布

你可能感兴趣的:(深度学习)