莫烦pytorch学习

pytorch学习笔记-迁移学习

pytorch实现迁移学习一、迁移学习使用已经训练好的神经网络，通过更改最后的全连接层，移植至新的分类任务中去。案例1：训练集包含了244张蜜蜂与蚂蚁的图片，由于训练集数量较少，我们很难实现一个理想的网络训练。而迁移学习使得这个目的成为可能。使用18层残差网络，去除最后的全连接层，使其适合当前的分类任务。net=models.resnet18(pretrained=True)#存储了fc层输入神经
肥嘟嘟~·2022-12-04 04:45

【PyTorch学习笔记_04】--- PyTorch（开始动手操作_案例1：手写字体识别）

手写字体识别的流程定义超参数(自己定义的参数)构建transforms,主要是对图像做变换下载，加载数据集MNIST构建网络模型（重要，自己定义）定义训练方法定义测试方法开始训练模型，输出预测结果数据集在资源下载里，有需自取#-*-coding:utf-8-*-#@Time:2022/12/117:38#1.加载必要的库importtorchimporttorch.nnasnnimporttorc
灵寒谷·2022-12-04 04:39

Pytorch学习日志（7）——实战！多层全连接神经网络实现MINIST手写数字分类

importtorchimporttorch.nnasnnimporttorch.optimasoptimfromtorch.autogradimportVariable'''简单的三层全连接网络classsimpleNet(nn.module):def__init__(self,in_dim,n_hidden_1,n_hidden_2,out_dim):super(simpleNet,self)
右边是我女神·2022-12-03 15:18

PyTorch学习笔记——图像处理（torchvision.ToTensor）

PyTorch学习笔记——图像处理torchvision.ToTensorPIL.Image/numpy.ndarray与Tensor的相互转换transforms.ToTensor()作用实例图像代码代码解释逆过程代码代码解释
CV-杨帆·2022-12-03 15:31

深度学习笔记（b站小土堆）

Pytorch学习笔记一、必备的数据集操作技巧1.数据集操作2.利用txt文件保存label二、Pytorch中tensorboard的使用1.add_scalar函数的用法2.add_image函数的用法三
骑木西西卡·2022-12-03 11:14

【Pytorch学习笔记九】 深度学习中数据的归一化（Normalization）

文章目录1为什么要归一化？2.归一化对比3pytorch中的归一化1为什么要归一化？在某些线性规划问题中，特征的数值范围和标签的数值范围差别很大，或者不同特征之间的数值范围差别很大。这时，某些权重值可能会特别大，这为优化器学习这些权重值带来了困难。在这种情况下常常对数据进行归一化（normalization），使得优化器面对的每个特征的数值或标签的数值在一个相对固定的范围内。torch.mean(
QHCV·2022-12-03 10:00

Pytorch学习深度学习

Pytorch学习深度学习——基础数据集和数据加载器Transforms构建神经网络自动微分优化保存和加载模型数据集和数据加载器"""PyTorch提供了两个数据加载：torch.utils.data.DataLoader
橡皮鸭小队长·2022-12-03 07:28

Pytorch学习笔记（2）一元线性回归、计算图示例

lesson3一元线性回归模型提前说明一下可能有疑问的函数：torch.rand(20,1)#返回一个形状为(20,1)的，从0-1的均匀分布中抽取的一组随机数torch.randn(20,1)#返回一个形状为(20,1)的，从标准正态分布（均值为0，方差为1）中抽取的一组随机数整体代码importtorchimportmatplotlib.pyplotasplttorch.manual_seed
小帅吖·2022-12-03 04:24

Pytorch学习笔记（3）torch.autograd，逻辑回归模型训练

lesson5torch.autogradgrad_tensors的使用w=torch.tensor([1.],requires_grad=True)x=torch.tensor([2.],requires_grad=True)a=torch.add(w,x)#retain_grad()b=torch.add(w,1)y0=torch.mul(a,b)#y0=(x+w)*(w+1)dy0/dw=5
小帅吖·2022-12-03 04:24

PyTorch学习笔记

TechnischeUniversitätMünchen)的IntroductiontoDeepLeraning课程、B站Up主“我是土堆”的“PyTorch”课程以及PyTorch官方Documentation"总结的PyTorch
Weijian Feng·2022-12-03 04:51

PyTorch学习笔记02

主要组成模块在完成一项机器学习任务时的步骤，首先需要对数据进行预处理，其中重要的步骤包括数据格式的统一和必要的数据变换，同时划分训练集和测试集。接下来选择模型，并设定损失函数和优化方法，以及对应的超参数（当然可以使用sklearn这样的机器学习库中模型自带的损失函数和优化器）。最后用模型去拟合训练集数据，并在验证集/测试集上计算模型表现。深度学习和机器学习在流程上类似，但在代码实现上有较大的差异。
Shannon_Lau·2022-12-03 04:20

pytorch学习笔记二：动态图、自动求导及逻辑回归

一、计算图计算图是描述运算的有向无环图，有两个主要的元素：节点（Node）和边（Edge），节点表示数据，如向量，矩阵，张量。边表示运算，如加减乘除等。用计算图表示：y=(x+w)∗(w+1)y=\left(x+w\right)\ast\left(w+1\right)y=(x+w)∗(w+1),如下所示：从上面可以看出y=a×b，而a=w+x,b=w+1，只要给出x和w的值，即可根据计算图得出y的
Dear_林·2022-12-03 04:20

【Pytorch学习笔记】zero_grad梯度清零示例

文章目录前言一、分步示例代码1.引入库2.创建数据进行sgd梯度下降3.参数组，第一个参数(w1)的梯度4.执行zero_grad()之后，参数w1的梯度二、完整示例代码总结前言梯度清零示例，打印可视化。提示：以下是本篇文章正文内容，下面案例可供参考一、分步示例代码1.引入库代码如下（示例）：#coding:utf-8importtorchimporttorch.optimasoptim2.创建数
秋天的波·2022-12-03 04:49

【Pytorch学习笔记】Optimizer梯度下降_参数组创建示例

文章目录一、代码示例分步1.引入库2.生成随机矩阵3.一个参数组4.两个参数组二、完整示例代码如下总结提示：以下是本篇文章正文内容，下面案例可供参考一、代码示例分步1.引入库代码如下（示例）：#coding:utf-8importtorchimporttorch.optimasoptim2.生成随机矩阵代码如下（示例）：w1=torch.randn(2,2)w1.requires_grad=Tru
秋天的波·2022-12-03 04:48

【pytorch学习笔记四】数据的加载（Dataset，Dataloader）和预处理（torchvision 详细介绍）

文章目录1.自定义数据集Dataset2.读取数据集Dataloader3.torchvision包3.1torchvision.datasets3.2torchvision.models3.3torchvision.transforms3.4常见的torchvision.transforms图片操作PyTorch通过torch.utils.data对一般常用的数据加载进行了封装，可以很容易地实现
QHCV·2022-12-03 03:01

Pytorch学习笔记（五）

讲解以下内容：（基础）classtorch.nn.parameter.Parameter参数注册classtorch.nn.Module.add_module().children().named_children().modules().named_modules().zero_grad().parameters().named_parameters().state_dict()load_sta
不牌不改·2022-12-03 02:17

pytorch学习笔记：可视化之hook（钩子）

一、hook在PyTorch中，提供了一个专用的接口使得网络在前向传播过程中能够获取到特征图，这个接口的名称非常形象，叫做hook。可以想象这样的场景，数据通过网络向前传播，网络某一层我们预先设置了一个钩子，数据传播过后钩子上会留下数据在这一层的样子，读取钩子的信息就是这一层的特征图。具体实现如下：1.1什么是hook，什么情况下使用？首先，明确一下，为什么需要用hook，假设有这么一个函数y=x
阿瓦达啃大瓜~·2022-12-03 02:15

pytorch学习笔记：nn.Module类方法中部分方法详解

前言：在pytorch卷积层中对卷积核的可视化有些疑问，不知道其中具体的运行过程。考虑到无论是模型还是卷积层，池化层都是继承nn.Module类，本文通过源码了解部分类方法。1、先随便构建一个Net网络classNet(nn.Module):def__init__(self,num_class=10):super().__init__()self.features=nn.Sequential(nn
阿瓦达啃大瓜~·2022-12-03 02:15

pytorch学习笔记：实战之FashionMNIST图片分类

一、数据来源百度网盘提取码：x0kd数据集有2份，一份测试集，一份训练集。二、分类实例：2.1自定义构建Dataset训练数据一共有60000条，共有785个特征，其中一列标签为label。实际上是一个784（28*28）的图片信息。在处理过程中需要将其reshape。对数据的处理如果有传入torch自带的transform则使用该处理方式，否则将像素点/255.classFMDataset(Da
阿瓦达啃大瓜~·2022-12-03 02:14

pytorch学习笔记：进阶训练（一）损失函数、动态调整学习率

一、自定义损失函数PyTorch在torch.nn模块为我们提供了许多常用的损失函数，比如：MSELoss，L1Loss，BCELoss…但是随着深度学习的发展，出现了越来越多的非官方提供的Loss，比如DiceLoss，HuberLoss，SobolevLoss…这些LossFunction专门针对一些非通用的模型，PyTorch不能将他们全部添加到库中去，因此这些损失函数的实现则需要我们通过自
阿瓦达啃大瓜~·2022-12-03 02:44

pytorch学习笔记：数据集构建

学习记录began数据集的构建一般pytorch的数据加载到模型遵循“三步走”的策略，操作顺序是这样的：*创建一个Dataset对象。必须实现__len__()、__getitem__()这两个方法，这里面会用到transform对数据集进行扩充。*创建一个DataLoader对象。它是对DataSet对象进行迭代的，一般不需要实现里面的其他方法了。*循环遍历这个DataLoader对象。将img
阿瓦达啃大瓜~·2022-12-03 02:14

pytorch学习笔记：低版本pytorch模型使用1.6以上版本保存的模型报错问题

出现这种错误：RuntimeError:xxx.pthisaziparchive(didyoumeantousetorch.jit.load()?)出现该报错的原因是pytorch1.6以上版本保存的方式使用了新版的保存方式可以看下一下参数信息：torch.save(api.net,'./weights/mobilenet0.25_epoch_15_torch1.2.pth',_use_new_z
阿瓦达啃大瓜~·2022-12-03 02:39

pytorch学习--softmax回归

softmax回归softmax回归本质是分类问题。回归：估计一个连续值分类：预测一个离散类别softmax函数能够将为规划的预测变换为非负数并且总和为1，同时让模型保持可导的性质。如：回归到多类分类均方损失对类别进行一位有效编码使用均方损失训练最大值作为预测更置信的识别正确类校验输出匹配概率（使输出非负，和为1）概率y和y_bar的区别作为损失交叉熵（crossentropy）衡量两个概率的区别
_Learning_·2022-12-02 23:24

PyTorch学习笔记（一） ---------数据集的简单创建

一、图像基本处理以及数据集的简单创建初次接触pytorch，配置环境还是比较麻烦的，主要是用到anaconda下面是对图像处理的基本操作fromPILimportImage#图像处理的库img_path=r'D://情绪图片测试/path1.jpg'#图片路径img=Image.open(img_path)#调用方法，打开该图像print(img.size)#输出该图像的尺寸img.show()#
清忖灬·2022-12-02 18:09

PyTorch学习笔记（三）总结篇 --------自建数据集的载入

前言经过这几天学习，我算是把数据集这一块给摸清楚了，前面分布分支的学习总是有点模棱两可，不清楚这步到底要干啥，在网上找资料学习时，总是拿的pytorch官网给的数据集，没有针对性和专一性。这里教大家如何使用咱们自己的数据集，当然，在做实验时数据集是通过爬虫来获取的，关于爬虫的相关知识可以留言私信，或者看我第一篇博客哦一、MyData类的定义在自建数据集时需要自己去定义一个dataset类来继承to
清忖灬·2022-12-02 18:09

PyTorch学习笔记（六）总结篇 -------完整机器学习（以VGG16为例）

新年伊始，想着pytorch的笔记也该写一个完结篇，以此来纪念前一段时间对pytorch的学习神经网络的搭建大同小异，一层卷积一层池化一层非线性激活诸如此类。重点还是在于对数据集的把握一个完整的项目离不开自建数据集这个环节，这就需要对Dataset进行重写classMyData(Dataset):def__init__(self,root_dir,mode_dir,label_dir,transf
清忖灬·2022-12-02 18:34

【Pytorch】学习笔记（训练代码框架）

Pytorch学习笔记在Pytorch中，Tensor是包含data和grad两个部分的，data放的是真实的数据，而grad中保存的是计算产生的梯度用于反向传播更新参数使用由loss.backward
Chaossll·2022-12-02 05:40

pytorch学习笔记-使用pytorch实现 AlexNet

使用pytorch实现AlexNet网络闲话少说，直接上代码！额…算了。还是过一下AlexNet网络吧，辉煌历史就不再赘述，从别的博主那里（忘记哪个博主了，不好意思哈，应该引用的）偷来了张图，直接上图。这里面参数什么的都有，像一个呆瓜直接照着敲就完了！classAlexNet(nn.Module):def__init__(self):super(AlexNet,self).__init__()se
光头小黑·2022-12-02 05:09

pytorch学习笔记-基础-数据的加载和预处理

PyTorch基础:数据的加载和预处理PyTorch通过torch.utils.data对一般常用的数据加载进行了封装，可以很容易地实现多线程数据预读和批量加载。并且torchvision已经预先实现了常用图像数据集，包括前面使用过的CIFAR-10，ImageNet、COCO、MNIST、LSUN等数据集，可通过torchvision.datasets方便的调用importtorchtorch.
wenqiang su·2022-12-02 02:18

add函数 pytorch_pytorch学习笔记[1]

本笔记主要学习的是《深度学习框架PyTorch：入门与实践》本节的笔记是学习文件组织架构模型定义数据处理和加载训练模型(Train&Validate)训练过程的可视化测试(Test/Inference)另外程序还应该满足以下几个要求：模型需具有高度可配置性，便于修改参数、修改模型，反复实验代码应具有良好的组织结构，使人一目了然代码应具有良好的说明，使其他人能够理解首先来看程序文件的组织结构：├──
weixin_39898733·2022-12-02 02:47

PyTorch学习笔记-8.PyTorch深度体验

8.PyTorch深度体验8.1.图像分类预测模型如何完成图像分类？将图像转换为tensor-->模型-->输出向量-->取向量的最大值作为预测结果代码基本步骤：1.获取数据与模型2.数据变换，如RGB→4D-Tensor3.前向传播4.输出保存预测结果注意事项：1.确保model处于eval状态而非training2.设置torch.no_grad()，减少内存消耗3.数据预处理需保持一致，RG
ruoqi23·2022-12-02 02:46

PyTorch学习笔记-5.PyTorch可视化

5.PyTorch可视化5.1.TensorBoard安装TensorBoard是一个可视化工具，它可以用来展示网络图、张量的指标变化、张量的分布情况等。特别是在训练网络的时候，我们可以设置不同的参数（比如：权重W、偏置B、卷积层数、全连接层数等），使用TensorBoader可以很直观的帮我们进行参数的选择。TensorBoard的执行流程为：1.通过python脚本，记录可视化的数据2.运行代
ruoqi23·2022-12-02 02:46

PyTorch学习之Data和DataLoader模块

以下内容全部来自DATASETS&DATALOADERSⅠ.DATASETS&DATALOADERS介绍一般情况来说，在处理数据样本的代码可能会变得很混乱，难以管理，需要把数据代码和训练代码进行分离，让代码获得更好的可读性和模块化。在PyTorch中，提供了两个数据处理单元，torch.utils.data.DataLoader和torch.utils.data.Datasets帮助我们处理自己的
aW5jaXBl·2022-12-01 22:41

pytorch学习（一）Dataset

Dataset类：pytorch读取图片，主要通过Dataset类。Dataset类作为所有datasets的基类，所有的datasets都要继承它。码源：classDataset(object):"""AnabstractclassrepresentingaDatasetAllotherdatasetsshouldsubclassit.Allsubclassesshouldoverride``_
碧寒·2022-12-01 22:39

Pytorch学习笔记（一）

目录#Pytorch加载数据#read_data.py#rename_dataset.py#test_tensorboard.py#test_transform.py#dataset_transform.py#test_dataloader.py#Pytorch加载数据#读取数据涉及两个类：Dataset和DataLoaderDataset提供一种方式去获取数据及其对应的真实label值;Data
Hygge0+·2022-12-01 19:01

Pytorch学习笔记：自定义数据集

文章目录前言1.torch.utils.data.Dataset介绍2.实例a.准备数据集b.复写Datasetc.DataLoader加载总结前言初学Pytorch时，数据集直接使用torchvision.datasets调用，然后直接使用torch.untils.data.DataLoader加载。在实际项目中，我们怎么自定义数据集呢？1.torch.utils.data.Dataset介绍`
豆爸OS·2022-12-01 19:29

Pytorch学习笔记-①初学者对一些基本问题的答疑

【Pytorch学习笔记-epochs,iterations，batch_size解释】传送门【https://zhuanlan.zhihu.com/p/362536902】Q2：batchsize与LR
紧到长不胖·2022-12-01 19:58

pytorch学习笔记1

pytorch学习笔记1开始学习Pytorch了，参考了网上大神的博客以及《深度学习之Pytorch实战计算机视觉》记录学习过程，欢迎各位交流。
RickyGuo00·2022-12-01 19:21

PyTorch学习（7）-Seq2Seq与 Attention

Seq2Seq与AttentionimportosimportsysimportmathfromcollectionsimportCounterimportnumpyasnpimportrandomimporttorchimporttorch.nnasnnimporttorch.nn.functionalasFimportnltk读入中英文数据英文我们使用nltk的wordtokenizer来分词
lewjin·2022-12-01 17:33

Pytorch学习笔记——Tensor操作的基本语法

一、什么是PytorchPytorch是一个基于Numpy的科学计算包,向它的使用者提供了两大功能：1.作为Numpy的替代者,向用户提供使用GPU强大功能的能力。2.做为一款深度学习的平台,向用户提供最大的灵活性和速度。二、Pytorch的基本元素操作Tensors张量:张量的概念类似于Numpy中的ndarray数据结构，最大的区别在于Tensor可以利用GPU的加速功能。#使用Pytorch
岳野·2022-12-01 15:19

pytorch学习笔记——requires_grad和volatile

本片博文主要是对http://pytorch.org/docs/notes/autograd.html的部分翻译以及自己的理解，如有错误，欢迎指正！Backward过程中排除子图pytorch的BP过程是由一个函数决定的，loss.backward()，可以看到backward()函数里并没有传要求谁的梯度。那么我们可以大胆猜测，在BP的过程中，pytorch是将所有影响loss的Variable
Xs_55555·2022-12-01 14:35

Pytorch学习笔记【自用】

1、torch.mul(a,b)是矩阵a和b对应位相乘，a和b的维度必须相等，比如a的维度是(1,2)，b的维度是(1,2)，返回的仍是(1,2)的矩阵；2、torch.mm(a,b)是矩阵a和b矩阵相乘，比如a的维度是(1,2)，b的维度是(2,3)，返回的就是(1,3)的矩阵。3torch.nn.Parameter这个属于在神经网络中可训练参数矩阵的初始化中使用。表示整个矩阵融入模型中并且随着
贫道备胎子·2022-12-01 08:45

pytorch神经网络因素预测_【pytorch】学习笔记（四）-搭建神经网络进行关系拟合...

【pytorch学习笔记】-搭建神经网络进行关系拟合目标1.创建一些围绕y=x^2+噪声这个函数的散点2.用神经网络模型来建立一个可以代表他们关系的线条建立数据集importtorchfromtorch.autogradimportVariableimporttorch.nn.functionalasFimportmatplotlib.pyplotaspltx
weixin_39903538·2022-12-01 08:43

Pytorch学习笔记（三）自用

涉及资源1.官网DEEPLEARNINGWITHPYTORCH:A60MINUTEBLITZ2.莫烦python个人网站、b站视频、参考代码3.函数搜索：https://pytorch.org/docs
YY_oot·2022-12-01 08:37

pytorch学习笔记——loss.backward()、optimizer.step()、scheduler.step()

loss.backward()进行反向传播求出梯度optimizer进行参数管理与更新，所以optimizer放在backward后面用求出的梯度进行参数更行，记住step之前要进行optimizer.zero_grad()，否则用的梯度包含上一个batch的，相当于batch_size为之前的两倍，所以optimizer.step()是用在batch里的scheduler.step()是用来更新
phily123·2022-12-01 08:04

Pytorch学习笔记

读取图像的几种方式fromPILimportImageimportnumpyasnpI=Image.open('C:/Users/Yafex/Desktop/trump.jpg')I=np.array(I)print(I)print('------------------------------------------')importmatplotlib.pyplotaspltimportmatp
喝饱水没烦恼·2022-12-01 07:12

【实习记录】pytorch学习（持续更新）

1-珍爱生命，远离tensorflow今天学习pytorch的使用，参考Pytorch深度学习：60分钟快速入门、PyTorch中关于backward、grad、autograd的计算原理的深度剖析，PyTorch中的nn.Conv1d与nn.Conv2d等文章。一、pytorch安装以及在pycharm中使用pytorch首先确定自己的显卡型号，右键点击开始，打开设备管理器，看看你的显卡。根据显
电光黄皮耗子·2022-12-01 07:22

pytorch学习笔记——Sequential的使用和Flatten和flatten的区别

注意事项：1.Sequential可以简化编程，不需要一个卷积层或者一个池化层就创建一个对象。在forward里面也不需要一个一个对象进行调用。classnn_seq(nn.Module):def__init__(self)->None:super().__init__()self.model=Sequential(#使用sequential的好处不需要将方法一个一个拿出来nn.Conv2d(3,
完◎笑·2022-12-01 04:19

PyTorch学习笔记（4）--DataLoader的使用

PyTorch学习笔记（4）–DataLoader的使用    本博文是PyTorch的学习笔记，第4次内容记录，主要介绍DataLoader的基本使用。
我这一次·2022-11-30 23:10

pytorch学习笔记——2.2张量（上）

一、张量的数据类型：在torch中张量默认的数据类型是32位浮点型（即torch.FloatTensor)，但是我们可以使用torch.set_default_tensor_type()函数来更改默认的数据类型（虽然如此，但数据类型仍必须是float）。下面我们查看张量的数据类型：torch.tensor([1.2,3.4]).dtype结果为：（说明torch中张量默认的数据类型是32位浮点型）
学不来我就死·2022-11-30 22:45
上一页 14 15 16 17 18 19 20 21 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他