莫烦pytorch学习

8.Numpy copy & deep copy的区别: 有无关联性

本文内容是根据莫烦Python网站的视频整理的笔记，笔记中对代码的注释更加清晰明了,同时根据所有笔记还整理了精简版的思维导图,可在此专栏查看,想观看视频可直接去他的网站,源文件已经上传到主页中的资源一栏中
孤柒「一起学计算机」·2023-08-28 07:09

你若失踪了，谁会最着急

图片发自App饭后继续尽情的欣赏美景，那里的一草一木，好像都在提醒你说，人生短暂，切莫烦恼！由此忘记了时间，也没想到这有什么不妥！可就这时我却听到广播里的寻人启事，仔细一听，竟然是找我的！
黑暗里的那道光·2023-08-27 12:23

Pytorch学习(3) transforms使用

Transforms的使用介绍:transforms是一个用于转化图片格式/大小的模块,用起来比较方便,工具也比较全面导入模块fromtorchvisionimporttransforms1.ToTensorToTensor是transforms中的一个类,用于将PIL或ndarray类型转化为tensor类型#获取PIL图片img=Image.open('xx.jpg')#实例化对象trans_
alBeLine·2023-08-26 10:04

PyTorch学习之Transforms模块

以下内容全部来自TransformsⅠ.Transforms简而言之，就是训练的数据有时候并不是机器学习训练的数据格式，这个时候就需要Transforms对数据进行一些操作（转换），使其适合做神经网络的输入。比如对于图像数据，通常是一个三维度Tensor（长、宽、channels），但是神经网络通常需要一个拉直成一维的Tensor，这个时候就需要用到Transforms对三维Tensor进行拉直。
aW5jaXBl·2023-08-26 10:02

PyTorch学习笔记

PyTorch学习笔记1PyTorch简介与安装2PyTorch的基本操作2.1张量的创建2.2张量的属性2.3张量的运算2.4获取张量元素2.5类型转换3Pytorch中的autograd3.1torch.Tensor
夏木夕·2023-08-26 08:58

Pytorch学习：torchvison.transforms常用包（ToTensor、Resize、Compose和RandomCrop）

torchvision.transforms常用包1.torchvision.transforms.ToTensor2.torchvision.transforms.Resize3.torchvision.transforms.Compose4.torchvision.transforms.Normalize5.torchvision.transforms.RandomCrop1.torchvis
緈福的街口·2023-08-25 02:39

Pytorch学习：常见数据集torchvision.datasets及数据集的使用DataLoader

文章目录1.Datasets常见数据集1.1CIFAR101.2Fashion-MNIST1.3ImageNet2.DataLoader2.1shuffle2.2drop_last1.Datasets常见数据集Torchvision在torchvision.datasets模块中提供了许多内置的数据集，以及用于构建自己的数据集的实用程序类。官方文档：Datasets所有数据集都是torch.uti
緈福的街口·2023-08-25 02:36

day01—基础

Day01、入门—TensorFlow教程源于：莫烦python：https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/importtensorflowastfimportnumpyasnp
bearcode·2023-08-24 22:33

李沐pytorch学习-经典CNN的原理及代码实现

一、LeNet1.1模型结构LeNet结构如图1所示，汇聚层即池化层，这里池化Stride（步幅）与池化层长宽一致，因此使得池化后大小减半。图1.LeNet结构1.2代码实现代码实现如下：importtorchfromtorchimportnnfromd2limporttorchasd2lnet=nn.Sequential(nn.Conv2d(1,6,kernel_size=5,padding=2
三年级王垄翔·2023-08-21 21:31

PyTorch学习笔记（十七）——完整的模型验证（测试，demo）套路

完整代码：importtorchimporttorchvisionfromPILimportImagefromtorchimportnnimage_path="../imgs/dog.png"image=Image.open(image_path)print(image)#因为png格式是四个通道，除了RGB三通道外，还有一个透明度通道image=image.convert("RGB")trans
小乖路路通·2023-08-21 02:03

PyTorch学习笔记（十五）——完整的模型训练套路

以CIFAR10数据集为例，分类问题（10分类）model.pyimporttorchfromtorchimportnn#搭建神经网络classMyNN(nn.Module):def__init__(self):super(MyNN,self).__init__()self.model=nn.Sequential(nn.Conv2d(3,32,5,1,2),nn.MaxPool2d(2),nn.C
小乖路路通·2023-08-21 02:02

PyTorch学习笔记（十六）——利用GPU训练

一、方式一网络模型、损失函数、数据（包括输入、标注）找到以上三种变量，调用它们的.cuda()，再返回即可iftorch.cuda.is_available():mynn=mynn.cuda()iftorch.cuda.is_available():loss_function=loss_function.cuda()fordataintrain_dataloader:imgs,targets=da
小乖路路通·2023-08-21 02:02

Pytorch学习笔记1——Pytorch基础

Pytorch学习笔记1——Pytorch基础1.张量(Tensor)张量的英文是Tensor，它是PyTorch里面基础的运算单位，与Numpy中的ndarray相同都表示的是一个多维的矩阵。
Kadima°·2023-08-21 02:02

PyTorch学习笔记1——PyTorch介绍

PyTorch是Torch在Python上的衍生，与TensorFlow不同的是，它在搭建神经网络时不是先建立好一个静态图，然后再把数据放到图计算，而是一个动态的过程，边搭图边计算。PyTorch与Numpy对比：Torch自称为神经网络界的Numpy，因为他能将torch产生的tensor放在GPU中加速运算，就像Numpy会把array放在CPU中加速运算。不过，torch和Numpy能够很好
pissjello·2023-08-21 02:02

李沐pytorch学习-卷积网络及其实现

一、卷积定义卷积计算过程如图1所示，即输入矩阵和核函数对应的位置相乘，然后相加得到输出对应位置的数。图1.卷积计算过程该过程可以形象地从图2中展现。图2.二维卷积示意图二、代码实现2.1实现互相关运算importtorchfromtorchimportnnfromd2limporttorchasd2ldefcorr2d(X,K):#@save"""计算二维互相关运算"""h,w=K.shapeY=
三年级王垄翔·2023-08-20 06:48

pytorch优化器——add_param_group()介绍及示例、Yolov7 优化器代码示例

系列文章目录pytorch优化器——add_param_group()介绍及示例、Yolov7优化器代码示例pytorch学习率设置——optimizer.param_groups、对不同层设置学习率、
Chaoy6565·2023-08-20 02:01

PyTorch学习笔记（十三）——现有网络模型的使用及修改

以分类模型的VGG为例vgg16_false=torchvision.models.vgg16(weights=False)vgg16_true=torchvision.models.vgg16(weights=True)设置为False的情况，相当于网络模型中的参数都是初始化的、默认的设置为True时，网络模型中的参数在数据集上是训练好的，能达到比较好的效果print(vgg16_true)VG
小乖路路通·2023-08-19 08:12

PyTorch学习笔记（十四）——网络模型的保存与读取

两种方式保存和加载模型方式一保存模型不仅保存了网络模型的结构，也保存了网络模型的参数importtorchimporttorchvisionvgg16=torchvision.models.vgg16(weights=False)torch.save(vgg16,"vgg16_method1.pth")加载模型打印出的是网络模型的结构importtorchmodel=torch.load("vgg
小乖路路通·2023-08-19 08:40

学习pytorch----torch、torchvision库的安装

pytorch学习第一课：装torch、torchvision库常规操作：pipinstalltorch、pipinstalltorchvisiontorchvision必须在torch后安装，否则会报错但是
lmylmylmy2·2023-08-19 08:57

长寿谣

人到老，莫烦恼，忧愁多，催人老。常锻炼，抗衰老，量力行，勿过劳。经常笑，变化少，心胸宽，寿自高。善交往，广爱好，心情畅，睡眠好。遇事忍，不急躁，多谦让，少烦恼。调饮食，莫过饱，身体健，疾病少。
霸王花冰·2023-08-19 05:27

李沐pytorch学习-卷积神经网络及其实现

基于nn.Module自定义网络结构通过继承nn.module，仅需实现初始化函数和前向传播函数即可完成网络构建。importtorchfromtorchimportnnfromtorch.nnimportfunctionalasFclassMLP(nn.Module):#用模型参数声明层。这里，我们声明两个全连接的层def__init__(self):#调用MLP的父类Module的构造函数来执
三年级王垄翔·2023-08-17 18:03

李沐pytorch学习-矩阵求导

一、基础定义对于的计算结果，根据y和x的维度，可根据下图得到导数的维度图1.矩阵求导结果维度图例子：对于函数：此时y是标量，自变量为矩阵对自变量求导数注意到y为标量，x为向量时，求得导数需要进行转置，反之则不用。求导样例如下：图2.求导样例二、结论推导以下是根据个人理解对图2中一些样例的推导：2.1第一排第三个结论证明2.2第一排第四个结论证明2.3第二排第三个结论证明这里用黑体严格区分张量与标量
三年级王垄翔·2023-08-16 20:18

李沐pytorch学习-多层感知机及其实现

一、多层感知机的定义多层感知机就是全连接层神经网络，如图1所示，其中隐含层可以有多层图1.多层感知机结构（隐含层与输出层之间为全连接，图中少了几根连接线）二、运行原理2.1数据输入Input层输入向量，为每个输入层节点的数值，即，如图2所示。图2.多层感知机数据的输入（图中以输入层3个神经元，一个4神经元的隐含层，两个输出神经元为例，可包含多个隐含层，每层神经元个数不固定）2.2从输入层前向传播到
三年级王垄翔·2023-08-16 20:15

Python学习笔记4-Pandas

Pandas学习莫烦python，非常感谢~记录自己在学习python过程中的点滴。
Crazy WolfT1·2023-08-16 15:57

PyTorch学习—5.torch实现逻辑回归

文章目录  逻辑回归是线性的二分类模型。逻辑回归是分析自变量x与因变量v(概率)之间关系的方法。模型表达式为：y=f(WX+b)f(x)=1e−x+1y=f(WX+b)\\f(x)=\frac{1}{e^{-x}+1}y=f(WX+b)f(x)=e−x+11f(x)为Sigmoid函数f(x)为Sigmoid函数f(x)为Sigmoid函数下面展示torch实现逻辑回归的过程。#-*-coding
哎呦-_-不错·2023-08-15 07:25

pytorch学习之---squeeze()和unsqueeze()函数功能及使用

首先这个squeeze单词啥意思：1.squeeze(1)和squeeze(-1)作用：两者的效果一样，都是给张量tensor降维，但不是啥张量都可以用这两个函数来降维，它只能降维一种情况下张量的维度。就是我的张量tensor是一个n*1维度的张量，例如：张量[[1],[2],[3]]是一个3*1维的，调用这两个函数后效果如图：但是如果不是n*1的这种2维张量的话，如本就是1维的，或者m*n（其中
海木石·2023-08-14 21:15

pytorch学习笔记-----Resnet 残差网络论文学习

发现问题：深层网络训练的效果反而不如浅层网络效果解决办法：一方面更深卷积，另一方面要对未卷积之前的进行映射（个人理解即相当于未进网络的图片分成两条路一条走网络，一条直接拿过来，可以通过训练对两条路的训练效果进行比较调整比重，保证训练的结果至少不比未经网络之前的差）Resnet网络中体现：每个模块都要相上述方法两条路进网络，对于特征图数不同的，我们可以进行卷积操作来增加特征图数量（要求：两条路最终输
cvks·2023-08-13 06:55

Pytorch学习笔记:ResNet

Pytorch学习笔记:ResNet1.残差块2.残差网络结构2.1虚线与实线连接2.2BatchNormalization3.网络搭建3.118,34层网络的残差块3.250,101,152层网络的残差块
爱喝汽水的喵·2023-08-13 06:25

pytorch学习笔记 torchnn.ModuleList

1nn.ModuleList原理nn.ModuleList，它是一个储存不同module，并自动将每个module的parameters添加到网络之中的容器。你可以把任意nn.Module的子类(比如nn.Conv2d,nn.Linear之类的)加到这个list里面，方法和Python自带的list一样，无非是extend，append等操作。但不同于一般的list，加入到nn.ModuleLis
UQI-LIUWJ·2023-08-11 20:30

pytorch学习——卷积神经网络——以LeNet为例

目录一.什么是卷积？二.卷积神经网络的组成三.卷积网络基本元素介绍3.1卷积3.2填充和步幅3.2.1填充（Padding）填充是指在输入数据周围添加额外的边界值（通常是零），以扩展输入的尺寸。填充可以在卷积操作中起到两个主要的作用：3.2.2步幅（Stride）3.3多输入通道3.4池化层四.LeNet一.什么是卷积？当我们谈论"卷积"时，通常指的是数学中的卷积运算。在卷积神经网络中，卷积操作是
一只小百里·2023-08-06 19:35

pytorch学习——如何构建一个神经网络——以手写数字识别为例

目录一.概念介绍1.1神经网络核心组件1.2神经网络结构示意图1.3使用pytorch构建神经网络的主要工具二、实现手写数字识别2.1环境2.2主要步骤2.3神经网络结构2.4准备数据2.4.1导入模块2.4.2定义一些超参数2.4.3下载数据并对数据进行预处理2.4.4可视化数据集中部分元素2.4.5构建模型和实例化神经网络2.4.6训练模型2.4.7可视化损失函数2.4.7.1trainlos
一只小百里·2023-08-06 19:35

Pytorch学习——数据读取、数据预处理

一、DataLoader和DataSet1.1DataLoadertorch.utils.data.DataLoader#构建可迭代的数据装载器DataLoader（）参数：dataset:Dataset类，决定数据从哪读取及如何读取batchsize:批大小num_works:是否多进程读取数据shuffle:每个epoch是否乱序drop_last：当样本数不能被batchsize整除时，是否
东汄·2023-08-05 17:47

Pytorch学习笔记 | 构建神经网络模型 | 提升效果的优化方法

数据集下载Python深度学习018：MNIST数据集下载|将数值型数据转化成图片代码importpandasaspdimportmatplotlib.pyplotaspltimporttorchimporttorch.nnasnnfromtorch.utils.dataimportDataset#构建一个神经网络分类器classClassifier(nn
惊鸿若梦一书生·2023-08-04 02:41

pytorch学习——正则化技术——权重衰减

一、概念介绍权重衰减（WeightDecay）是一种常用的正则化技术，它通过在损失函数中添加一个惩罚项来限制模型的复杂度，从而防止过拟合。在训练参数化机器学习模型时，权重衰减（weightdecay）是最广泛使用的正则化的技术之一，它通常也被称为L2正则化。1.1理解：权重衰减（weight_decay）本质上是一个L2正则化系数那什么是参数的正则化？从我的理解上，就是让参数限定在一定范围，目的是
一只小百里·2023-08-02 08:11

pytorch学习——正则化技术——丢弃法（dropout）

一、概念介绍在多层感知机（MLP）中，丢弃法（Dropout）是一种常用的正则化技术，旨在防止过拟合。（效果一般比前面的权重衰退好）在丢弃法中，随机选择一部分神经元并将其输出清零，被清零的神经元在该轮训练中不会被激活。这样，其他神经元就需要学习代替这些神经元的功能，从而促进了神经元之间的独立性和鲁棒性。1.1思想原理丢弃法的基本思想是，在每一次训练中，随机选择一些神经元不参与训练，从而减少神经元之
一只小百里·2023-08-02 08:06

2021-10-26有福之人的十种心态（续）

什么事都看透了，无论如何自己不要跟自己过不去，一定要善待自己莫烦恼。08懂得自得其乐人生一场，别人追屋逐堡，我只
75aa31758b2c·2023-07-31 23:59

生活谚语30问，句句说到心坎里!

图片发自App01、养生三字经人到老，莫烦恼，忧愁多，催人老。常锻炼，抗衰老，量力行，误过劳。经常笑，变化少，心胸宽，寿自高。善交往，广爱好，心情畅，睡眠好。遇事忍，不急躁，多谦让，少烦恼。调饮食。
饥者求食·2023-07-31 15:22

PPO 莫烦 ReLU激活函数的缺点

记录一个莫烦PPO代码中的小问题莫烦在PPO中创建神经网络的代码ReLU激活函数的缺点可能出现的问题可能出现的解决方法莫烦在PPO中创建神经网络的代码//morvanzhoudef_build_anet
qq_41979241·2023-07-31 09:36

pytorch学习（5）——torchvision中的数据集使用

1数据集Dataset下载与使用进入pytorch官网（需要梯子）：https://pytorch.orgDocs->Torchvision（1）点击Modelsandpre-trainedweights可以下载已经训练好的神经网络。（2）点击Datasets可以下载数据集。包括Imageclassification（图像分类）、Imagedetectionorsegmentation（图像检测和
阳排·2023-07-30 06:26

pytorch学习（4）——图片变换Transforms使用

1Transforms类的使用为图像变换的函数库。1.1导入transforms库python脚本内输入：fromtorchvisionimporttransforms按住Ctrl，点击transforms。进入__init__.py。from.transformsimport*from.autoaugmentimport*按住Ctrl，点击.transforms。进入transforms.py。
阳排·2023-07-30 06:56

pytorch学习——模型选择

一.概念模型选择是机器学习中的重要环节，它涉及到从各种统计，机器学习或深度学习模型中选取最佳模型的过程。这涉及到许多关键概念，包括偏差与方差，过拟合与欠拟合，训练误差和泛化误差，交叉验证，正则化，以及不同的模型选择标准。1.1欠拟合与过拟合欠拟合和过拟合是机器学习中经常遇到的两个问题，它们都是模型的训练结果不理想导致的。1.1.1欠拟合指模型无法学习到数据的有效特征，无法很好地拟合训练数据集。这种
一只小百里·2023-07-30 01:19

【Pytorch学习】pytorch中的isinstance() 函数

描述isinstance()函数来判断一个对象是否是一个已知的类型，类似type()。isinstance()与type()区别：type()不会认为子类是一种父类类型，不考虑继承关系。isinstance()会认为子类是一种父类类型，考虑继承关系。如果要判断两个类型是否相同推荐使用isinstance()。语法以下是isinstance()方法的语法:isinstance(object,clas
dong_uper·2023-07-28 21:45

P9课后作业《PyTorch深度学习实践》kaggle-otto多类别分类

重点在于pytorch学习，效果并不是特别好，在测试集上的loss有16下面是pytorch实现代码：importtorchfromtorch.utils.dataimportDataset,DataLoaderimportpandasaspdimportnumpyasnpfromtqdmimporttqdm
nanpingping·2023-07-28 01:08

【Linux】learning notes

如下是学习笔记，学习资源来自莫烦PYTHON：https://morvanzhou.github.io/tutorials/others/linux-basic/视频资源：https://www.bilibili.com
bryant_meng·2023-07-28 00:49

【Git】

一些常用的Git知识点整理关于Git这一篇就够了Git基本命令大全30分钟精通Git，学不会来找我Git版本管理|莫烦PYTHONGit代码版本管理教程文章目录【前言】集中式与分布式的区别git介绍git
bryant_meng·2023-07-28 00:47

2022-11-26

不用慌，莫要愁，，闭户修心莫烦恼。戴好口罩勤洗手，逼死瘟疫无处跑。
b113ffd94e01·2023-07-27 13:07

pytorch学习——线性神经网络——1线性回归

概要：线性神经网络是一种最简单的神经网络模型，它由若干个线性变换和非线性变换组成。线性变换通常表示为矩阵乘法，非线性变换通常是一个逐元素的非线性函数。线性神经网络通常用于解决回归和分类问题。一.线性回归线性回归是一种常见的机器学习算法，用于建立一个输入变量与输出变量之间的线性关系模型。在这种模型中，假设输入变量与输出变量之间存在一个线性关系，即输出变量可以通过输入变量的线性组合来预测。线性回归模型
一只小百里·2023-07-27 10:02

pytorch学习-线性神经网络——softmax回归+损失函数+图片分类数据集

1.softmax回归Softmax回归（SoftmaxRegression）是一种常见的多分类模型，可以用于将输入变量映射到多个类别的概率分布中。softmax回归是机器学习中非常重要并且经典的模型，虽然叫回归，实际上是一个分类问题1.1分类与回归回归是估计一个连续值，分类是预测一个连续的类别示例：1.2从回归到多类分类区别：分类问题从单输出变成了多输出，输出个数为类别个数注：类别可能是一个数，
一只小百里·2023-07-27 10:56

pytorch学习——多层感知机

一.感知机感知机——神经网络基本单元，最简单的深度网络称为多层感知机。多层感知机由多层神经元组成，每一层与它上一层相连，从中接收输入，同时每一层也与它的下一层相连，影响当前层的神经元。解释：如果正确分类，-y小于0，即该分类点对应的损失函数的值为0；如果错误分类，则-y大于等于0，并进入梯度下降算法的计算。示例：以下图中猫狗分类为例，其中黑线表示区分猫和狗的轴当输入一直新的狗时，原来的线会导致分类
一只小百里·2023-07-27 07:46

Pytorch学习笔记 | 利用线性回归实现最简单的梯度下降 | 含代码和数据

代码importtorchimportnumpyasnpimportmatplotlib.pyplotaspltimportpandasaspddefmake_linear_regression_data():x=np.linspace(start=10
惊鸿若梦一书生·2023-07-26 03:20
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他