PyTorch学习笔记

pytorch学习笔记：task05

Task05pytorch模型定义的方式一pytorch模型定义的方式1、三种定义方式2、pytorch定义方式——Sequential（1）Sequential定义方式（2）优缺点3、pytorch定义方式——ModuleList（1）ModuleList定义方式4、pytorch定义方式——ModuleDict（1）ModuleDict定义方式5、三种方式比较二利用模型块快速搭建复杂网络1、U
qq_32795481·2022-03-21 07:01

pytorch学习笔记（十）：卷积神经网络CNN（进阶篇）

文章目录1、GoogleNet2、重复部分封装1.Concatenate2.1*1卷积核1.信息聚合2.简化计算3、程序书写4、残差网络的引入——解决梯度消失的问题1.梯度消失2.残差网络ResidualNet3.程序表达1、GoogleNet如图是经典网络GoogleNet的网络结构图，如果将每层均用上篇内容的表示方法，则代码过于冗长。观察到网络结构中有很多重复部分，因此可以使用Class对重复
zstar-_·2022-03-21 07:58

PyTorch学习笔记（六）：PyTorch进阶训练技巧

PyTorch实战：PyTorch进阶训练技巧往期学习资料推荐：1.Pytorch实战笔记_GoAI的博客-CSDN博客2.Pytorch入门教程_GoAI的博客-CSDN博客本系列目录：PyTorch
GoAI·2022-03-21 07:12

PyTorch学习笔记：AutoEncoder自编码模型(基于Linear)

importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltfrommpl_toolkits.mplot3dimportAxes3Dimporthiddenlayerashlfromsklearn.manifoldimportTSNEfromsklearn.svmimportSVCfromsklearn.decompositionimpor
code_carrot·2022-03-20 07:59

pytorch学习笔记

文章目录一、python二、numpynumpy如何初始化数组numpy二维插值三、其他1.OpenCV2.visdom3.torchvision中的可视化4.LATEX四、pytorch张量的创建张量类型转化Pytorch中Tensor与各种图像格式的相互转化PyTorch里面的torch.nn.Parameter()pytorch中的参数初始化方法总结[torch中的几种乘法。torch.mm
芝士蓝莓派·2022-03-16 15:45

Pytorch学习笔记(1)——手把手教你从0开始搭建个自己的神经网络

本文参考的是《动手学深度学习》(PyTorch版)，链接在下面。由于照着网站上的代码敲一遍自己印象也不是很深刻，所以我整理了该书本中的内容，整理了自己的思路梳理了一遍。希望该文章能够对初学者的你来说有所帮助。同时由于我也是第一次用torch写代码，可能会有许多疏漏，如果有错误，希望各位能够指正。目录0代码目的1数据集创建2神经网络搭建流程3从0搭建一个线性回归神经网络3.1参数定义3.2模块定义3
野指针小李·2022-03-08 07:02

Pytorch学习笔记总结

Pytorch学习资源推荐：PytorchTutorials:WelcometoPyTorchTutorialsPyTorch学习笔记：(开篇词)PyTorch学习笔记-PyTorch学习笔记PyTorch
GoAI·2022-03-01 07:51

【Pytorch学习笔记】MNIST数据集的训练及简单应用（一）

零、简单介绍pytorch是一个开源的深度学习的框架。其本质是一个基于Python的科学计算包，能提供最大的灵活性和效率。MNIST数据集包含70,000张手写数字的图像及标签。其中60,000张用于训练，10,000张用于测试。图像是灰度的，28x28像素，并且居中的，以减少预处理和加快运行。如下图所示：CNN卷积神经网络，参见这个介绍。一个简单的卷积神经网络可包括卷积层，池化层，和全连接层。就
@Dwyanelittle64c·2022-02-28 07:44

Pytorch学习笔记二神经网络

1.神经元与神经网络神经元最早是生物学上的概念，它是人脑中的最基本单元。人脑中含有大量的神经元，米粒大小的脑组织中就包含超过10000个神经元，不同的神经元之间相互连接，每个神经元与其他的神经元平均有6000个连接。一个神经元接收其他神经元传递过来的信息，通过某种方式处理后再传递给其他神经元。下图就是生物神经元的示意图。一个神经元由细胞核、树突、轴突和轴突末梢等组成。其中树突有很多条，且含有不同的
刹那永恒HB·2022-02-27 11:35

Pytorch学习笔记(10) 你要的Pytorch损失函数都在这儿了

罗列一下Pytorch中的损失函数以及使用场景。在Pytorch中，一共提供了18个损失函数。PytorchLossFunction0、基本用法criterion=LossCriterion()#构造函数有自己的参数loss=criterion(x,y)#调用标准时也有参数....loss.backward()#反向传播计算出来的结果默认已经对mini-batch取了平均，不过可以通过参数选择求和
银色尘埃010·2022-02-20 23:27

pytorch学习笔记之pytorch进阶

pytorch进阶Broadcast广播自动扩展拼接与拆分cat（拼接）stack（拼接）split按长度拆分chunk按个数拆分数学运算Add/minus/multiply/divide加减乘除mm/matmul/@矩阵相乘pow/sqrt/rsqrt方根/根号/求导exp/log以e为底/以10为底.floor().ceil().trunc().frac()向上取整、向上取整、将整数与小数分开
ljc_coder·2022-02-19 07:01

Pytorch学习笔记-02 数据读取与处理

02数据读取与处理文章目录02数据读取与处理DataLoader与Datasettorch.utils.data.DataLoadertorch.utils.data.Dataset数据读取流程transformstransforms图像增强数据增强transforms——Croptransforms——FlipandRotation图像变换自定义transforms总结：数据增强实战总结：数据增
Yuetianw·2021-11-16 22:21

PyTorch学习笔记

PyTorch学习笔记基本术语算法利弊梯度下降算法随机梯度下降算法鞍点画图函数PyTorch入门生成张量矩阵加法*-/类似求均值判断相等只是比较数据切片改变张量的形状,保证元素的总数量不变torch的Tensor
南方-D·2021-11-12 22:48

pytorch学习笔记

学习目标：学会如何应用pytorch；理解深度学习/神经网路的基础人工智能：1、推理。根据外界信息做出决策。2、预测。例如根据猫的图片和抽象的概念（cat）联系起来。机器学习：把推理、预测的过程通过算法实现；算法：穷举法，贪心法，分治法，动态规划。从数据集中把想要的算法提取出来（监督学习）开发学习系统：基于规则的学习，经典的机器学习方法（进行手工特征提取得到特征向量，和输出之间找到映射关系）、表示
'韫玉'·2021-11-07 17:17

【pytorch学习笔记】第五篇——训练分类器

文章目录1.数据2.训练图像分类器2.1加载并标准化CIFAR102.2训练图像3.定义卷积神经网络、损失函数、优化器、训练网络和保存模型4.测试自己的模型5.在GPU上进行训练1.数据通常，当您必须处理图像，文本，音频或视频数据时，可以使用将数据加载到NumPy数组中的标准Python包。然后，您可以将该数组转换为torch.*Tensor。对于图像，Pillow，OpenCV等包很有用对于音频
非晚非晚·2021-10-25 21:04

【pytorch学习笔记】第四篇——神经网络

上一章已经了解了自动梯度Autograd，pytorch中可以使用torch.nn构建神经网络，nn依赖于autograd来定义模型并对其进行微分。nn.Module包含层，以及返回output的方法forward(input)。文章目录1.定义网络1.1自定义网络1.2使用自定义网络的自动梯度1.3测试网络1.4回顾2.损失函数3.反向传播4.更新权重人工神经网络（ArtificialNeura
非晚非晚·2021-10-24 10:58

【pytorch学习笔记】第三篇——自动梯度(torch.autograd)

文章目录1.一个神经网络例子2.Autograd的微分3.计算图4.从DAG中排除训练神经网路(NN,neuralnetwork)分为正向传播和反向传播。在正向传播中，NN对正确的输出进行最佳猜测。它通过其每个函数运行输入数据以进行猜测。在反向传播中，NN根据其猜测中的误差调整其参数。它通过从输出向后遍历，收集有关函数参数（梯度）的误差导数并使用梯度下降来优化参数来实现。1.一个神经网络例子本例神
非晚非晚·2021-10-17 16:45

Pytorch学习笔记DCGAN极简入门教程

目录1.图片分类网络2.图片生成网络首先是图片分类网络：重点是生成网络每一个step分为三个步骤：1.图片分类网络这是一个二分类网络，可以是alxnet,vgg,resnet任何一个，负责对图片进行二分类，区分图片是真实图片还是生成的图片2.图片生成网络输入是一个随机噪声，输出是一张图片，使用的是反卷积层相信学过深度学习的都能写出这两个网络，当然如果你写不出来，没关系，有人替你写好了首先是图片分类
·2021-09-07 12:50

pytorch教程（学习笔记）——tensor操作+模型实例（线性回归、LR、MLP）

突然翻出了蛮早之前做的pytorch学习笔记，整理了一下决定发成博客方便复习，当时根据视频资料和网页资料整理的，视频资料现在找不到了，后面找到了再进行补充；网上的博客资料标在文中对应位置。
叶青古·2021-08-22 23:09

2019-04-02 Pytorch：加载预训练模型并保存

参考链接：1.用pytorch搭建AlexNet（微调预训练模型及手动搭建）-sjtuxx_lee的博客-CSDN博客2.pytorch学习笔记之加载预训练模型-spectre-CSDN博客第一篇文章实现了直接加载
whisper330·2021-06-27 03:06

pytorch学习笔记(1)—基本类型、运算和简单模型

pytorch学习这篇文章主要讲pytorch框架的学习笔记1.基本数据类型和基本运算1.1张量python导入pytorch为：importtorch在torch中，常量通常表示成张量的类型(Tensor)，与numpy中的array类似。创建一个5行3列的随机初始化张量矩阵为：x=torch.Tensor(5,3)创建5行3列的[0,1]均匀分布的张量矩阵x=torch.rand(5,3)创建
cuiyr123·2021-06-25 04:44

pytorch学习笔记 --- 口罩识别的模型训练及应用2

pytorch学习笔记---口罩识别的模型训练及应用2本次实践中,将选一种图像分类的模型,通过重新训练,获得新的模型,数据集使用我们的原来的口罩检测的数据集,打算从头训练出一个识别是否佩戴口罩的模型.考虑到模型的精度和速度
gaoshine·2021-06-09 18:58

PyTorch学习笔记——（7）使用pytorch实现手写数字识别，可以很好的练习pytorch

上一小节.GitHub地址.目录1、思路和流程分析2、准备训练集和测试集2.1torchvision.transform的图形数据处理方法（1）torchvision.transform.ToTensor（2）torchvision.transforms.Normalize(mean,std)（3）torchvision.transforms.Compose(transforms)2.2准备MNI
Ma Sizhou·2021-04-17 11:51

PyTorch学习笔记——（6）数据加载Dataset和DataLoader的使用

目录1、模型中使用数据加载器的目的2、数据集类2.1Dataset基类介绍：2.2数据加载案例：3、迭代数据集1、模型中使用数据加载器的目的在前面的线性回归模型中，我们使用的数据很少，所以直接把全部数据放到模型中去使用。但是在深度学习中，数据量通常是都非常多，非常大的，如此大量的数据，不可能一次性的在模型中进行向前的计算和反向传播，经常我们会对整个数据进行随机的打乱顺序，把数据处理成个个的batc
Ma Sizhou·2021-04-14 16:22

PyTorch学习笔记——（5）手动实现线性回归 和 利用pytorch实现线性回归

目录1、问题描述：2、手动实现线性回归：3、pytorch实现线性回归：4、注意：1、问题描述：给定一组特征数据xxx和标签数据yyy，利用y=w∗x+by=w*x+by=w∗x+b线性模型，求出www和bbb的值。其实就是个单层感知机，实现思路是：（1）准备数据；（2）随机初始化参数www和bbb；（3）然后计算损失loss；（4）通过循环、反向传播、更新参数；（5）测试模型；（6）可视化预测结
Ma Sizhou·2021-04-13 17:04

B站pytorch学习笔记(刘二大人）

算法：贪心算法，穷举法，分治法，动态规划visdom可视化工具np.meshgrid()用于三维图训练失败可能是学习率太大线性模型importnumpyasnpimportmatplotlib.pyplotaspltx_data=[1.0,2.0,3.0]y_data=[2.0,4.0,6.0]defforward(x):returnx*wdefloss(x,y):y_pred=forward(x
m0_46326454·2021-03-29 10:24

Pytorch学习笔记 2- 张量的索引与切片

张量的索引与切片索引方式#[B,C,H,W]a=torch.tensor([[[[1,2,3],[4,5,6],[7,8,9]],[[10,11,12],[13,14,15],[16,17,18]],[[19,20,21],[22,23,24],[25,26,27]]],[[[28,29,30],[31,32,33],[34,35,36]],[[37,38,39],[40,41,42],[43,4
FlyDremever·2021-03-20 22:07

Pytorch学习笔记（一）

一、线性回归模型使用Pytorch的简洁实现生成数据集num_inputs=2num_examples=1000true_w=[2,-3.4]true_b=4.2features=torch.tensor(np.random.normal(0,1,(num_examples,num_inputs)),dtype=torch.float)labels=true_w[0]*features[:,0]+
ruihanx·2021-03-10 10:15

PyTorch学习笔记——词向量简介

引言本系列文章是七月在线的课程的一个笔记。本文用的PyTorch版本是1.7.1。为什么需要词向量为了便于计算机处理，我们需要把文档、单词向量化。而且除了向量化之后，还希望单词的表达能计算相似词信息。向量化单词，最早的方法是one-hot表示法，但是这种表示没有包含语义信息，并且也不知道某个单词在某篇文章中的重要性。后来有人提出了TF-IDF方法，这种词袋模型能考虑到单词的重要性，但是语义的相似性
愤怒的可乐·2021-03-08 21:11

PyTorch学习笔记——（1）系统性的介绍TyTorch的基本操作

目录1、基本数据类型1.1PyTorch数据类型：1.2如何检测数据类型：2、创建tensor（张量）2.1标量2.2创建张量2.3创建特定张量3、查看tensor的形状和维度（1）`.size(num)`（2）`.shape`（3）.dim4、tensor的索引5、tensor维度操作5.1`.view()`：变换维度5.2`.unsequeeze(dim)`:扩张维度5.3`.sequeeze
Ma Sizhou·2021-02-14 11:51

Pytorch学习笔记——Tensor在GPU&CPU上操作

对复杂的神经网络和大规模的数据来说，我们一般将数据放在GPU上进行计算，下面介绍数据在GPU及CPU中相互切换的相关操作1查看张量所在设备并将其复制到CPU/GPU.device.cpu().cuda()x=torch.tensor([1,2,3])print(x.device)x=x.cuda(0)#当设备GPU数>1时，（）中需要指定第几个GPUprint(x.device)y=x.cpu()
^_^|·2021-02-03 17:58

Pytorch学习笔记

第一周学习笔记整理(2)Lesson2.张量的索引、分片、合并以及维度调整importtorchimportnumpyasnp#一维张量索引t1=torch.arange(1,11)print(t1[0].item())#注：张量索引出来的结果还是零维张量，而不是单独的数。要转化成单独的数，需要使用item()方法。t1[1:8]#冒号分隔，表示对某个区域进行索引，也就是所谓的切片t1[1:8:2
Dini_Dini·2021-01-30 12:37

Pytorch学习笔记

第一周学习笔记整理(1)Lesson1.张量（Tensor）的创建和常用方法一、张量（Tensor）的基本创建及其类型//importtorch#导入PyTorch包importnumpyasnptorch.__version__#查看版本号1.张量（Tensor）函数创建方法//张量（Tensor）函数创建方法t=torch.tensor([1,2])#通过列表创建张量torch.tensor(
Dini_Dini·2021-01-30 11:23

【Pytorch入门】合并与分割

Pytorch学习笔记——合并与分割torch.cattorch.cat(tensors,dim=0,out=None)作用：torch.cat是将两个tensor拼接在一起torch.cat主要有两种用法
Cat♟·2021-01-28 19:58

【Pytorch入门】Tensor维度变换

Pytorch学习笔记——Tensor维度变换view（）/reshape（）torch.view(arg1,arg2....)作用：类似于numpy中的resize（）的功能，重构tensor的维度，
Cat♟·2021-01-25 18:25

Pytorch学习笔记 2.5：索引与切片

index索引torch会自动从左向右索引例子：a=torch.randn(4,3,28,28)表示类似一个CNN的图片的输入数据，4表示这个batch一共有4张照片，而3表示图片的通道数为3（RGB），（28，28）表示图片的大小一、基本索引索引1：表示第零张图片的shapeprint(a[0].shape)#torch.Size([3,28,28])索引2：第零张图片的第零个通道的sizepr
落雪wink·2021-01-25 13:39

Pytorch学习笔记 2.4：创建Tensor

一、直接创建1.1通过torch.tensor创建张量torch.tensor(data,dtype=None,device=None,requires_grad=False,pin_memory=False)data：数据，可以是list，numpydtype：数据类型，默认与data一致device：所在设备，cuda/cpurequires_grad：是否需要梯度pin_memory：是否存
落雪wink·2021-01-25 11:11

Pytorch学习笔记 2.2：线性回归下的梯度下降

线性回归下的梯度下降TheGradientDescentOfLinearRegression自学视频PyTorch学这个就够了！：课件以及代码：Pytorch.zip这节课(lesson3)用到的数据集和代码：lesson03代码及数据.zip我用的Pycharm运行的，大家关注我就能下载了，不用收费呜呜呜。学他学他学他！就学他！讲的太透彻了，我刚上初中就能听明白，小白一枚之前看Pytorch的教
落雪wink·2021-01-23 18:49

Pytorch学习笔记 2.1：深度学习库

深度学习库能做什么？GPU加速importtorchimporttimeprint(torch.__version__)print(torch.cuda.is_available())a=torch.randn(10000,1000)#随机生成服从正态分布10000行x1000列的张量b=torch.randn(1000,2000)t0=time.time()c=torch.matmul(a,b)
落雪wink·2021-01-23 13:10

Pytorch学习笔记 1.3：Numpy和Torch函数的对比

torch.from_numpy()转换成torch的tensor数据torch_data.numpy()把torch数据转换为numpy数据importtorchimportnumpyasnp#把numpy数据转换为torch数据np_data=np.arange(6).reshape(2,3)torch_data=torch.from_numpy(np_data)#转换成torch的tenso
落雪wink·2021-01-23 11:41

Pytorch学习笔记 1.2：Pytorch环境安装

Pytorch环境安装Pytorch官网选择你要用的版本由于国内直接安装pytorch会很慢，而且容易出错，所以一般会采用清华镜像安装速度会快很多。详细步骤直接引用自这里：https://mirror.tuna.tsinghua.edu.cn/help/anaconda/强力建议用的清华的Pytorch镜像！！！一、修改.condarc文件在“C:\Users\用户名”目录下找到.condarc文
落雪wink·2021-01-23 09:35

Pytorch学习笔记

1Autograd过程解析2Finetuning模型微调为什么要微调？TransferLearning(迁移学习)和Fine-tune的区别3几个超参数总结4判断模型达到瓶颈5Adam优化器的使用6模型评估1Autograd过程解析z是一个Tensor变量，当我们执行z.backward()的时候。这个操作将调用z里面的grad_fn（记录并且编码了完整的计算历史）这个属性，执行求导的操作。这个操
StriveQueen·2021-01-22 14:26

pytorch学习笔记02_自动求导及相关问题记录解决

文章目录一、相关文章二、大致思路（一）主要原理（二）关键过程（三）以z对x求导为例（四）对z.backward()的一点解释三、遇到问题问题1：非计算图叶子节点问题2：梯度不自动清零（.grad.zero()的使用）问题3：.data和.detach()问题4：pytorchinplaceoperation一、相关文章有关pytorch中自动求导的文章初步认识：https://www.cnblog
^_^|·2021-01-20 22:49

pytorch学习笔记01_张量——Tensor基本常用操作

文章目录前言一、张量是什么？二、张量的属性三、张量创建3.1依据原有数据创建3.1.1.torch.tensor()3.1.2torch.from_numpy()3.2数学方法创建3.2.1torch.zeros()3.2.2torch.ones()3.2.3torch.fill()3.2.4torch.arange()3.2.5torch.linspace()3.2.6torch.logspac
^_^|·2021-01-20 22:57

Pytorch学习笔记二：训练步骤

Pytorch学习笔记二：训练步骤文章目录Pytorch学习笔记二：训练步骤前言一、导入数据包二、定义数据集三、实例化数据类四、构建网络五、训练六、验证模型七、保存模型八、加载训练好的模型前言继上一篇第一次实现自己的数据集
等风来~~·2021-01-14 19:54

【pytorch学习笔记2】手动实现线性回归（底层原理）

前言本文主要用pytorch对线性函数进行拟合，主要用到底层原理中的梯度下降与反向传播，原理可见该博文前馈神经网络，感知机，BP神经网络正文代码相关知识（下面是自己写的注意点，可能有些大家一知半解，可以看视频讲解）：1、requires_grad表示变量后面是否需要计算梯度，正常情况下是False2、反向传播能得到梯度，而x.grad可以获取某个导数值，也就是梯度注：一般我们用损失函数进行反向传播
小样5411·2021-01-14 16:05

pytorch 预测手写体数字_PyTorch学习笔记7 - 使用PyTorch完成手写体数字识别

本篇笔记是PyTorch学习的最后一篇，使用PyTorch搭建神经网络，完成手写体数字识别问题。1.导入数据并可视化importtorchimporttorch.nnasnnimporttorch.nn.functionalasFimporttorch.optimasoptimfromtorchvisionimportdatasets,transforms#定义batchsizebatch_siz
weixin_39620279·2021-01-11 19:45

pytorch学习笔记

pytorch学习笔记1.
starvapour·2021-01-10 16:57

tensor 增加一维度_Pytorch学习笔记------tensor

文章结构一、什么是张量？张量的基本介绍。二、pytorch中几种创建张量的方式。1.直接创建、2.依据数值创建、3.依据概率创建。三、张量的基本操作。1.张量的拼接、2.张量的切分、3.张量的索引、4.张量的变换、5.张量的数学运算。一、什么是tensor？tensor（张量）是深度学习框架中常用的数据形式，虽然在生活中并不常见，但并不难理解，在数学概念中张量就是一个多维数组，是标量、向量、矩阵的
weixin_39870132·2021-01-10 06:19

pytorch学习笔记-张量(Tensor)操作

pytorch学习笔记-张量(Tensor)操作张量是深度学习中必不可少的内容，虽然十分基础但是在整个深度学习中每个地方都会涉及到，下面从创建、运算、广播以及转换等方面记录一下学习心得，学习过程中参考了动手学深度学习
qq_41399333·2021-01-09 11:18
上一页 11 12 13 14 15 16 17 18 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他