莫烦pytorch学习

Pytorch学习——用神经网络进行气温预测

一、导入需要用到的库importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltimporttorchimporttorch.optimasoptimimportwarningswarnings.filterwarnings("ignore")%matplotlibinline二、数据查看features=pd.read_csv("D:/D
zero requiem·2022-05-19 07:55

使用pytorch读取数据集

目录pytorch读取数据集第一种第二种第三种pytorch学习记录注意事项pytorch读取数据集使用pytorch读取数据集一般有三种情况第一种读取官方给的数据集，例如Imagenet，CIFAR10
·2022-05-18 12:53

【Pytorch学习笔记】5.总结一下一个深度学习模型的实现过程（以Softmax回归从零实现为例）

文章目录首先考虑解决什么问题1获取和读取数据获取数据读取数据2构建模型初始化模型参数定义模型、损失函数3定义优化算法4训练模型定义训练函数注意的要素定义步骤5评估模型完整版代码（不用装d2l）一些简单的深度学习模型从零实现看着教程看似简单，敲着代码就过去了，但还是做一下自己的初步总结。里面的思维过程无论放在今后什么问题里都是适用的，包括实现的基本步骤、模型的构思如何反映到代码，定义训练的过程需要哪
takedachia·2022-05-18 07:06

PyTorch学习（五）——卷积神经网络

计算机视觉基本概念灰度图即将c的通道变成1当描述数据时，我们有时候只需要关注其纹理信息，就不需要关注其彩色空间。如果想要模型对于颜色的变化不那么敏感，我们在训练模型的时候就用灰度图。高频部分指的是图像的噪点，边缘点。图像平滑，就是用该点的邻域点来表示它边缘提取算子计算机视觉中的特征工程如LDA算法，将x投影到x‘（中层次特征）直方图统计（低层次特征）特征提取->特征选择->建模（前两个被CNN处理
五月的天气·2022-05-18 07:29

【人工智能之人脸识别戴口罩】windows10上安装pytorch和使用【CUDA11.6版本】

安装pytorch查看Python版本先查看CUDA版本在线安装进入[官网](https://pytorch.org/)下载离线下载安装是否安装成功pytorch学习需要安装pytorch，记录一下自己的安装过程
南蓬幽·2022-05-17 07:50

PyTorch学习笔记（5）——Kaggle猫狗分类问题数据集读取和构建

Kaggle猫狗分类问题数据集处理数据集官方下载：https://www.kaggle.com/c/dogs-vs-cats-redux-kernels-edition/data参考资料：https://github.com/ytchx1999/Pytorch-Camphttps://github.com/greebear/pytorch-learningimporttorchimportosfr
智慧的旋风·2022-05-16 07:29

PyTorch学习笔记（十一）——ResNet的实现

目录一、ResidualBlock二、ResNet架构三、训练/测试ResNet附录一：完整代码附录二：ResNet在FashionMNIST数据集上的表现一、ResidualBlock残差块有以下两种：实现如下：importtorchfromtorchimportnnimporttorch.nn.functionalasFclassResidual(nn.Module):def__init__(
raelum·2022-05-16 07:51

PyTorch学习笔记（九）——VGG与NiN

目录一、VGG（使用块的网络）1.1VGG简介1.2搭建VGG1.3训练/测试VGG1.4VGG完整代码二、NiN（网络中的网络）2.1NiN简介2.2搭建NiN2.3训练/测试NiN2.4NiN完整代码一、VGG（使用块的网络）1.1VGG简介虽然AlexNet证明深层神经网络卓有成效，但由于它的结构“混乱”，无法提供一个通用的模板来指导后续的研究人员设计新的网络。为了使神经网络的结构看起来更加
raelum·2022-05-16 07:21

Pytorch学习笔记:GoogLeNet

Pytorch学习笔记:GoogLeNet1.网络分析1.1网络亮点1.2Inception结构1.3辅助分类器2.网络搭建2.1卷积模块2.2Inception模块2.3辅助分类器模块2.4全网络模块
爱喝汽水的喵·2022-05-16 07:18

强化学习笔记1——ppo算法

参考莫烦Python的学习视频链接:莫烦Python的学习视频.whyPPO？
Shezzaaaa·2022-05-16 07:48

Pytorch学习笔记（六）——1x1卷积核的理解

理解1x1卷积核一.1x1卷积核的提出二.1x1卷积核的应用2.1.多通道数据中1x1卷积的作用2.2.单通道数据中1x1卷积的作用2.3.应用非线性一.1x1卷积核的提出《Networkinnetwork》这篇经典论文可以说是最早使用1x1卷积核并做出相应解释的,是一篇非常经典并且影响深远的论文，之后的Googlenet和ResNet模型中的inception块和残差块均有借鉴其1x1卷积的设计
酒与花生米·2022-05-16 07:44

PyTorch学习笔记（十）——GoogLeNet

目录一、GoogLeNet简介二、Inception块三、GoogLeNet架构四、训练/测试GoogLeNet附录：完整代码一、GoogLeNet简介GoogLeNet吸收了NiN中串联网络的思想，并在此基础上做了改进。GoogLeNet的一个观点是，有时使用不同大小的卷积核的组合是有利的。在本节中，我们将介绍一个稍微简化的GoogLeNet版本。二、Inception块在GoogLeNet中，
raelum·2022-05-16 07:52

Pytorch学习笔记（10）———训练并测试CNN网络

本章节内容将在CIFAR10数据集上训练一个简单的CNN网络：基于CIFAR-10数据集，训练一个简单CNN网络。保存训练好的模型，测试。使用GPU训练。CIFAR数据集CIFAR数据集可分为CIFAR10,CIFAR100。CIFAR-10是指包含10个种类，CIFAR-100包含100个种类。CIFAR-10特点：32x32彩色图像；10个类别；总共60000张图像；50000张训练样本+10
永不言弃的小颖子·2022-05-13 07:39

Pytorch学习笔记（8）———构建CNN网络(下)

pytorch中构建CNN网络之前的章节中，安装pytorch官网的教程，已经实现了LetNet-5网络的构建以及可视化。本文将继续探索构建CNN网络的方式。将列举4种方式。torch.nn.Module类torch.nn.Module类是所有神经网络的基类。因此构建一个神经网络，需要继承于torch.nn.Module。神经网络构建的基本格式importtorch.nnasnnimporttor
永不言弃的小颖子·2022-05-13 07:39

Pytorch学习笔记（7）———Pytorch网络结构可视化

使用pytorch定义网络结构之后，为了直观起见，需要可视化网络结构，以图的形式显示出来。pytorch网络结构可视化可以采用tensorboardX。tensorboardX首先需要安装tensorboard,tensorflow。pipinstalltensorflowpipinstalltensorboardpipinstalltensorboardX实验首先定义一个CNN网络，LetNet
永不言弃的小颖子·2022-05-13 07:38

Pytorch学习笔记（6）———定义一个CNN网络

使用pytorch定义一个简单LetNet-5的网络。importtorchimporttorch.nnasnnimporttorch.nn.functionalasF'''CNN计算(H-k+2*P)/S+1(W-k+2*P)/S+1LetNet-5input:32*32*3out_conv1=(32-5)+1=28max_pool1=28/2=14out_conv2=(14-5)+1=10ma
永不言弃的小颖子·2022-05-13 07:38

【pytorch学习笔记1】——数据集读取

Dataloader前言官方通用的数据加载器文件目录存储格式主要函数所有代码代码部分讲解官方通用的数据加载器收获图片数据集（标签在图片名称上）构建自己的Dataset（重要）data列表构建总结待续前言在pytorch
"HelloWorld!"·2022-05-13 07:06

PyTorch学习笔记5——保存和提取神经网络

对训练到某一步的神经网络可以通过保存为pkl文件，下次再想继续训练实验时直接提取。神经网络的保存和提取分为对整个神经网络保存和提取、对神经网络的参数保存和提取。#保存提取整个神经网络torch.save(net1,'net.pkl')net2=torch.load('net.pkl')#保存和提取神经网络的参数torch.save(net1.state_dict(),'net_params.pkl
pissjello·2022-05-13 07:06

莫凡Pytorch学习笔记（七）

Pytorch搭建CNN网络对MNIST手写数字数据集进行分类本篇笔记主要对应于莫凡Pytorch中的4.1和4.2节。主要讲了如何使用Pytorch搭建CNN网络对MNIST手写数字数据集进行分类。MNIST手写数字数据集MNIST手写数字数据集是一个经典的数据集，经常被用于各类教程的入门案例。MINST数据库是由Yann提供的手写数字数据库文件，其官方下载地址http://yann.lecun
11好好学习，天天向上·2022-05-13 07:27

Pytorch学习笔记（八）——LeNet

目录一、LeNet简介二、搭建LeNet三、训练LeNet一、LeNet简介LeNet（又称LeNet-5）是最早发布的卷积神经网络之一，因其在计算机视觉任务中的高效性能而受到广泛关注。这个模型是由YannLeCun在1989年提出的（并以其命名），目的是识别图像中的手写数字（灰度图，即单通道图像）。LeNet-5中的数字555指的是该网络一共有五层，其中包括：两个卷积层（Conv）三个全连接层（
raelum·2022-05-13 07:24

pytorch学习笔记---CNN

在做全连接的时候，图像所有行都给拉平成一行，使得俩个距离比较远的值实际在图上上可能是离得比较近的，所以全连接不能保留原始空间信息，丧失原始空间信息。下采样Subsampling后通道数不会变，W,H会变。Subsampling的目的是减少元素数量，降低计算量每一个通道对应一个卷积核卷积核的通道数=原通道数卷积核的组数=卷积后的通道数每一个filter的channel和原始输入的channel一致f
静静_jingjing·2022-05-13 07:48

pytorch之warm-up预热学习策略

3.1constantwarmup3.1gradualwarmup3.3WarmupMultiStepLR3.3.1build_lr_scheduler3.3.2WarmupMultiSetpLR3.3.3仿真4、总结二、PyTorch
还能坚持·2022-05-13 07:44

Pytorch学习笔记（五）——CNN中卷积和池化操作后的特征图大小计算方法

CNN中卷积和池化操作后的特征图大小计算方法一、卷积操作二、池化操作三、实战3.1.卷积计算例13.2.卷积计算例23.3.池化操作例1特别的：当计算尺寸不被整除时，卷积向下取整，池化向上取整。（只在GoogLeNet中遇到过。）一般的：卷积池化均向下取整一、卷积操作假设：设输入图像尺寸为WxW，卷积核尺寸为FxF，步幅为S，填充为P,经过该卷积层后输出的图像尺寸为NxN,计算公式为：N=W−F+
酒与花生米·2022-05-13 07:13

PyTorch学习笔记5——卷积神经网络

卷积神经网络是含有卷积层的神经网络。卷积核：可以学习的权重。PS:这里的卷积运算与数学及信号中的不同，神经网络的卷积运算是数学上的互相关运算。图像的平移不变性使我们可以以相同的方式处理局部图像。局部性意味着计算相应的隐藏表示只需一小部分局部图像像素。在图像处理中，卷积层通常比全连接层需要更少的参数。卷积神经网络（CNN）是一类特殊的神经网络，它可以包含多个卷积层。多个输入和输出通道使模型在每个空间
Moon_Boy_Li·2022-05-13 07:11

PyTorch学习笔记8——计算机视觉（CV）

由于本人需要快速上手图像识别方面内容，所以未按照参考书中内容进行学习，直接跳到了计算机视觉部分。8.1图像增广图像增广在对训练图像进行一系列的随机变化之后，生成相似但不同的训练样本，从而扩大了训练集的规模。此外，应用图像增广的原因是，随机改变训练样本可以减少模型对某些属性的依赖，从而提高模型的泛化能力。例如，我们可以以不同的方式裁剪图像，使感兴趣的对象出现在不同的位置，减少模型对于对象出现位置的依
Moon_Boy_Li·2022-05-13 07:11

Pytorch学习笔记（七）——CNN基础

目录一、~~卷积~~（互相关）运算1.1边缘检测1.2nn.Conv2d1.3卷积核学习1.4特征图与感受野二、填充和步幅2.1填充2.2步幅三、多输入输出通道四、汇聚层（池化层）一、卷积（互相关）运算严格来讲，卷积运算实际上是互相关（cross-correlation）运算，如下图所示：设输入大小为(nh,nw)(n_h,n_w)(nh,nw)，卷积核大小为(kh,kw)(k_h,k_w)(kh
raelum·2022-05-13 07:55

动手学深度学习pytorch学习笔记——Kaggle图像分类1（CIFAR-10)

动手学深度学习pytorch学习笔记我们将运用在前面几节中学到的知识来参加Kaggle竞赛，该竞赛解决了CIFAR-10图像分类问题。
卡塞尔学院临时校长·2022-05-11 07:38

pytorch学习（六）---搭建简单的神经网络以及sequential的使用

本篇自学笔记来自于b站《PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】》，Up主讲的非常通俗易懂，文章下方有视频连接，如有需要可移步up主讲解视频，如有侵权，实非故意，深表歉意，请与我联系，删除相关内容！本节以CIFAR10的模型结果（如下图）为例，搭建该简易的神经网络。首先需要知道某一个尺寸的图片经过卷积之后的尺寸如何计算。知道怎么计算之后，看模型图输入为32*32，经过一个5*
橘春十三99·2022-05-11 07:55

pytorch学习笔记三——transformer

pytorch学习笔记三——transformer预备知识模型架构机器翻译任务实现主体部分模型构建Encoder-DecoderEncoder部分残差连接和层归一、位置前馈、多头注意力Decoder部分题外话预备知识
墨夜之枫·2022-05-11 07:24

pytorch学习笔记，cnn与gpu加速

cnn代码，警告见gpu版修正，版本问题。importtorchimporttorch.nnasnnimporttorch.utils.dataasDataimporttorchvision#数据库模块importmatplotlib.pyplotaspltimportlogginglogger=logging.Logger(None)torch.manual_seed(1)#reproducib
沃·夏澈德·2022-05-11 07:07

pytorch学习笔记（九）——利用GPU训练

目录方式一方式二方式一对网络模型、损失函数、训练和测试过程中的数据（输入、标签）都调用.cuda()importtorchimporttorchvisionfromtorchimportnnfromtorch.nnimportSequential,Conv2d,MaxPool2d,Flatten,Linearfromtorch.utils.dataimportDataLoader"""利用gpu训
NA娜儿·2022-05-11 07:35

PyTorch学习笔记：使用不同设备（CPU/GPU）对模型进行保存和加载

本篇其实与PyTorch学习笔记：使用state_dict来保存和加载模型是高度关联的，之所以单独拎出来写，主要是想突出它的重要性。
牧羊女说·2022-05-11 07:02

Pytorch学习笔记（六）——Sequential类、参数管理与GPU

目录一、torch.nn.Sequential1.1Sequential的基础操作1.2手动实现一个Sequential1.3Sequential嵌套1.4自定义层1.4.1不带参数的层1.4.2带参数的层二、参数管理2.1nn.Parameter2.2参数访问2.3参数初始化2.3.1使用内置初始化2.3.2自定义初始化2.4参数绑定2.5模型保存2.5.1张量的保存2.5.2保存整个模型2.5
raelum·2022-05-11 07:59

深度学习之梯度下降与优化

参考简单认识Adam优化器-知乎三种梯度下降算法的比较和几种优化算法-知乎pytorch学习系列（4）：常用优化算法_churh的博客深度学习各类优化器详解（动量、NAG、adam、Adagrad、adadelta
light169·2022-05-11 07:57

PyTorch学习笔记——（8）模型构造（层和块），以多层感知机为例介绍

目录1、层和块的概念：2、模型构造：2.1继承Module来构造模型：2.2Module的子类：（1）Sequential类：（2）ModuleList类：（3）ModuleDict类：3、构造复杂模型：来源：《动手深度学习2》1、层和块的概念：当我们刚开始学习神经⽹络时，我们关注的是具有单⼀输出的线性模型。在这⾥，整个模型只由⼀个神经元组成。注意，单个神经元（1）接受⼀些输⼊；（2）⽣成相应的标
Ma Sizhou·2022-05-10 08:09

pytorch梯度下降函数_Pytorch学习笔记6：激活函数/单层感知机/梯度下降求最小值实例...

#添加到学习笔记2末尾，直接运行。代码意义可以看注释。#需要import以下库importtorchimportnumpyasnpfrommatplotlibimportpyplotaspltfrommpl_toolkits.mplot3dimportAxes3D#需要import以上库print('——————————激活函数——————————')grad1=torch.linspace(-1
weixin_39783512·2022-05-10 07:02

Pytorch学习笔记（四）——torchvision工具箱

目录一、torchvision简介二、torchvision.transforms2.1`Image`、`Tensor`与`ndarray`之间的相互转化2.1.1ToTensor()2.1.2PILToTensor()2.1.3ToPILImage()2.2常见的图像操作2.2.1TF.adjust_brightness()2.2.2TF.adjust_contrast()2.2.3TF.adj
raelum·2022-05-10 07:28

pytorch学习笔记二——nn.Module

pytorch学习笔记二——nn.Module一、五种模型构造形式nn.Sequential()class自定义类顺序块requires_grad=False混合搭配各种组合块的方法二、参数管理net.state_dict
墨夜之枫·2022-05-10 07:55

PyTorch学习笔记6——模型细节学习

在卷积神经网络中，参考书籍介绍了LeNet,AlexNet,VGG,NiN,GoogleNet,ResNet,DenseNet等网络6.1批量归一化6.1.1批量归一化（batchmormalization）批量归一化应用于单个可选层（也可以应用到所有层），其原理如下：在每次训练迭代中，我们首先归一化输入，即通过减去其均值并除以其标准差，其中两者均基于当前小批量处理。接下来，我们应用比例系数和比例
Moon_Boy_Li·2022-05-10 07:21

PyTorch学习笔记4—— 深度学习计算

4.1模型构造在线性回归和softmax回归中已经陆续用到了这些方法，这里系统回顾。4.1.2最简单的开始分析importtorchfromtorchimportnnfromtorch.nnimportfunctionalasFnet=nn.Sequential(nn.Linear(20,256),nn.ReLU(),nn.Linear(256,10))X=torch.rand(2,20)net(
Moon_Boy_Li·2022-05-10 07:21

pytorch学习笔记八：nn网络层——激活函数层

结合pytorch中的激活函数，来总结一下深度学习中的激活函数一、激活函数的概念和作用概念：在神经网络中每个神经元节点接受上一层神经元的输出作为本神经元的输入，并将输出值传入到下一层，输入层神经元节点会将输入属性值直接传递给下一层（隐藏层或输出层）。在多层神经网络中，上层节点的输出和下层节点的输入之间具有一个函数关系，这个函数称为激活函数（又称激励函数）。对激活函数的理解：不使用激活函数的话，神经
Dear_林·2022-05-10 07:42

Pytorch学习笔记（五）——多层感知机的实现

本文预备知识：Pytorch学习笔记（四）——torchvision工具箱目录一、FashionMNIST数据集二、torch.nn2.1nn.Module2.2nn.Sequential2.3查看神经网络的参数三
raelum·2022-05-10 07:39

Pytorch学习第一天

1.神经网络2.激活函数（1）ReLu函数（2）Sigmoid（3）tanh3.简单神经网络（1）前向神经网络（2）RNN（3）CNN4.Pytorch框架的优点（1）动态计算图（2）Pytorch代码通俗易懂，接近于Python原生代码，比较友好；（3）支持性好；5.应用（1）图像分类（2）Objectdetection（3）CycleGan（4）ImageCaptioning（5）情感分析（6
咭咭熊·2022-05-09 07:35

Pytorch学习笔记（二）——自动微分

目录一、前言二、计算图三、关闭梯度跟踪四、求解线性回归一、前言在神经网络中，最常用到的算法就是反向传播了。我们通常需要计算损失函数相对于各个参数的梯度。如果手动去计算这些梯度项的数学表达式再用numpy去一个个实现无疑是非常麻烦的，好在pytorch提供了自动微分这一功能，使用时只需要按部就班的计算损失函数的值，再调用backward()方法即可计算各个参数的梯度。考虑最简单的情形：一元线性回归，
raelum·2022-05-07 07:36

Pytorch学习笔记（一）——Tensor的基础语法

目录一、Tensor的创建1.1直接从数据中创建1.2从现有的numpy数组中创建1.3创建特殊类型的张量1.3.1全0张量1.3.2全1张量1.3.3全x张量1.3.4“单位”矩阵1.3.5以固定步长生成张量1.3.6以固定元素个数生成张量1.4随机抽样1.4.1产生[0,1)[0,1)[0,1)随机数1.4.2产生随机整数1.4.3产生N(0,1)\mathcal{N}(0,1)N(0,1)随
raelum·2022-05-07 07:36

Pytorch学习笔记6——训练分类器

Pytorch学习笔记6——TRAININGACLASSIFIER**PytorchLearningNotes**TRAININGANEURALNETWORK1**LoadData**2**定义神经网络
JYH072666·2022-05-07 07:04

Pytorch学习笔记5——优化和加载保存模型

Pytorch学习笔记5——Optimization&&SAVEANDLOADTHEMODEL**PytorchLearningNotes**1.Optimization1.1先前的代码1.2超参数1.3Epoch1.4
JYH072666·2022-05-07 07:04

Pytorch学习笔记2——DATASETS & DATALOADERS

Pytorch学习笔记2——DATASETS&DATALOADERS**PytorchLearningNotes**2.DATASETS&DATALOADERS2.1LoadingaDataset（[Fashion-MNIST
JYH072666·2022-05-07 07:04

PyTorch学习笔记（3）Dataset和DataLoader

李宏毅深度学习网课作业3迟迟做不下去，发现pytorch方面要补的课还是太多，还是慢慢填坑吧。utils.data包括Dataset和DataLoadertorch.utils.data.Dataset为抽象类自定义数据集需要继承这个类，并实现两个函数，一个是__len__，另一个是__getitem__前者提供数据的大小（size），后者通过给定索引获取数据和标签__getitem__一次只能获
梆子井欢喜坨·2022-05-07 07:26

pytorch学习笔记（一）：Dataset和DataLoader

参考：https://blog.csdn.net/zw__chen/article/details/82806900一、DataLoader1、DataLoader是torch给你用来包装你的数据的工具.所以你要将自己的(numpyarray或其他)数据形式装换成Tensor,然后再放进这个包装器中.2、Dataset是一个抽象类，不能实例化，要先继承。DataLoader可以直接实例化3、Dat
会飞的咩咩·2022-05-07 07:55
上一页 24 25 26 27 28 29 30 31 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他