PyTorch学习笔记

【Pytorch学习笔记】通过实现Grad-CAM学习module中的forward_hook和backward_hook函数

一、pandas是什么？1.引入库代码如下（示例）：importcv2importosimportnumpyasnpfromPILimportImageimporttorchimporttorch.nnasnnimporttorch.nn.functionalasFimporttorchvision.transformsastransforms2.定义网络代码如下（示例）：classNet(nn.
秋天的波·2022-12-08 03:51

pytorch学习笔记六：torch.utils.data下的TensorDataset和DataLoader的使用

一、TensorDataset对给定的tensor数据(样本和标签)，将它们包装成dataset。注意，如果是numpy的array，或者Pandas的DataFrame需要先转换成Tensor。'''data_tensor(Tensor)－样本数据target_tensor(Tensor)－样本目标（标签）'''dataset=torch.utils.data.TensorDataset(dat
耐心的小黑·2022-12-08 02:57

PyTorch学习笔记

文章目录1PyTorch基本数据类型1.1与Python的比较1.2标量(dim=0)1.3张量/向量(dim=1)1.4dim,sizeandshape1.5dim=3的tensor1.6dim=4的tensor1.7一些其他知识2创建Tensor2.1从Numpy中导入2.2使用其他方式创建Tensor3nn.Module3.1nn.Module的好处3.1.1embedcurrentlaye
m0_73819666·2022-12-08 02:25

Pytorch学习笔记（六）

目录01配置环境①Conda环境②项目环境02利用YOLOv5预测03训练YOLOv5模型本笔记主要记录了以github上的开源项目为例，利用YOLOv5进行目标检测、训练YOLOv5神经网络、制作和训练自己的数据集的学习过程。项目地址：https://github.com/ultralytics/yolov5项目版本：Tags=v6.001配置环境①Conda环境下载github项目后，在pyc
Hygge0+·2022-12-08 02:18

PyTorch学习笔记（七）------------------ Vision Transformer

目录一、PatchandLinearmap二、Addingclassificationtoken三、Positionalencoding四、LN，MSAandResidualConnection五、LN、MLPandResidualConnection六、ClassificationMLP前言：visiontransformer（vit）自Dosovitskiy等人介绍以来，一直在计算机视觉领域占
清忖灬·2022-12-07 21:24

【Pytorch学习笔记】6.关于Tensor、Module内参数的dtype类型转换

本文继续刨刨代码背后的含义。文章目录问题引入Module的float()方法是对模型所有参数进行的float转换疑问解答1buffer是另一种模型参数2浮点型参数指代float64，float32，float16小总结：Tensor的dtype类型转换3为什么要统一成float32总结问题引入我们在学习深度学习实战项目（比如Kaggle房价预测）时，会看到在定义完线性模型后，在定义训练方法时，看到
takedachia·2022-12-07 19:10

PyTorch学习笔记（二：Tensor和Variable&&自动微分）

PyTorch学习笔记（二：Tensor和Variable&&自动微分）参考博客：https://ptorch.com/docs/3/autograd_tutorial（Pytorch官方中文教程）https
jiangchao98·2022-12-07 19:08

pytorch学习笔记（零）之基础知识（张量，自动微分）

文章目录张量（tensor）基础1.张量的创建2.张量的操作（1）张量变换（2）张量拼接与切分tensor与numpy转换1.numpy.array转换为torch.tensor2.torch.tensor转换为numpy.array自动微分Autograd张量（tensor）基础tensor和numpy非常像，无论是创建还是其他操作几乎一样，不熟悉numpy的可以先看这一篇：numpy快速入门教
nanyidev·2022-12-07 19:07

pytorch学习笔记-入门-自动求导

#!/usr/bin/envpython#coding:utf-8#In[1]:get_ipython().magic(u'matplotlibinline')##Autograd自动求导机制：#Pytorch中所有神经网络的核心是autograd包。#autograd包为张量上所有操作提供了自动求导。他是一个运行时定义的框架，这意味着反向传播是根据你的代码来确定如何运行。并且每次迭代可以是不同的
wenqiang su·2022-12-07 13:49

pytorch学习笔记03-nn.Module-卷积-池化-激活函数

Content：1.构建模型2.torch.nn(1)nn.Parameter(2)nn.Module(3)nn.functional(4)nn.init3.Containers(1)nn.Sequential(2)nn.ModuleList(3)nn.ModuleDict4.卷积5.转置卷积6.池化7.线性层8.激活函数1.构建模型关键步骤：(1)init()构建子模块；(2)forward()
marvel2018·2022-12-07 12:18

Pytorch学习笔记（三）——索引与切片

学习目标：掌握Pytorch路漫漫其修远兮，吾将上下而求索。学习内容：索引：pytorch，默认从左往右开始索引，-1表示从右往左。：表示都取x：表示从x取到最后：x表示从开始取到xx：y表示从x取到y#生成一个随机tensor，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a=torch.randn(4,3
喵了个咪的大猫猫·2022-12-07 10:55

PyTorch学习笔记（七）：PyTorch可视化

PyTorch可视化往期学习资料推荐：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学习笔记（一）：PyTorch
GoAI·2022-12-07 02:56

PyTorch 学习笔记（六）：PyTorch hook 和关于 PyTorch backward 过程的理解 call

您的位置首页PyTorch学习笔记系列PyTorch学习笔记（六）：PyTorchhook和关于PyTorchbackward过程的理解发布:2017年8月4日7,195阅读0评论在看pytorch官方文档的时候
weixin_ry5219775·2022-12-07 02:26

pytorch学习笔记：task07

task07一、可视化网络结构1、使用print函数打印模型基础信息2、使用torchinfo可视化网络结构二、CNN卷积层可视化1可视化卷积核2、可视化CNN特征图的方法3CNNclassactivationmap可视化方法三、使用Tensorboard可视化训练过程1TensorBoard可视化的基本逻辑2TensorBoard的配置与启动一、可视化网络结构背景：深度神经网络的结构越来越复杂，
qq_32795481·2022-12-07 02:26

pytorch学习笔记（七）：pytorch hook 和 关于pytorch backward过程的理解

pytorch的hook机制在看pytorch官方文档的时候，发现在nn.Module部分和Variable部分均有hook的身影。感到很神奇，因为在使用tensorflow的时候没有碰到过这个词。所以打算一探究竟。Variable的hookregister_hook(hook)注册一个backward钩子。每次gradients被计算的时候，这个hook都被调用。hook应该拥有以下签名：hoo
长夜悠悠·2022-12-07 02:56

pytorch学习笔记—tensorboard的使用（2）

复制图片的相对地址，打开控制台，image需要是以下三种类型img_tensor(torch.Tensor,numpy.array,orstring/blobname)image_path="D:\\a\\dataset\\000.png"fromPILimportImage是PIL.Png类型的，不满足要求。利用opencv读取图片，获得numpy型图片数据→利用numpy.array()，对P
A徒手摘星星·2022-12-06 23:44

pytorch学习笔记-最大池化的使用

作用：保留输入特征，同时减小数据量。输入图像：1203101231121005231121011池化核：3*3，kernel_size=3输出图像：ceil_mode=True2351ceil_mode=False2输入：fromturtleimportshapeimporttorchfromtorchimportnnfromtorch.nnimportMaxPool2dinput=torch.t
A徒手摘星星·2022-12-06 23:13

pytorch学习笔记一：model.train()与model.eval()

model.train()与model.eval()的用法 如果模型中有BN层(BatchNormalization）和Dropout，需要在训练时添加model.train()，在测试时添加model.eval()。其中model.train()是保证BN层用每一批数据的均值和方差，而model.eval()是保证BN用全部训练数据的均值和方差；而对于Dropout，model.train()是
只争朝夕^ω^)↗·2022-12-06 22:22

pytorch学习笔记-网络训练中，model.train() model.eval()的使用

1.model.train()启用BatchNormalization和Dropout。如果模型中有BN层(BatchNormalization）和Dropout，需要在训练时添加model.train()。model.train()作用：对BN层，保证BN层能够用到每一批数据的均值和方差，并进行计算更新；对于Dropout，model.train()是随机取一部分网络连接来训练更新参数。2.mo
冲上云霄！·2022-12-06 22:52

Pytorch学习笔记

Pytorch学习笔记model.train()和model.eval()作用model.train()和model.eval()作用如果模型中有BN层(BatchNormalization）和Dropout
qq_38420710·2022-12-06 22:51

Pytorch学习笔记

️Pytorch学习笔记文章目录:parking:Pytorch学习笔记1.可视化模块1.1.Tensorboard1.1.1.SummaryWriter()：用于创建一个Tensorboard项目1.1.2
生活在别处u·2022-12-06 19:51

pytorch学习笔记（4）：tensorboard可视化

参考文档：https://mp.weixin.qq.com/s/UYnBRU2b0InzM9H1xl4b4g在之前的第二篇笔记中，我们实现了一个CNN网络，在mnist上通过两个卷积层完成分类识别。但是在我们调试代码的过程中，其实往往会想要知道我们的网络训练过程中的效果变化，比如loss和accuracy的变化曲线。当然，我们可以像前面的文章一样，将训练过程中的数据数据打印出来，但是一个是不够直观
BUAA～冬之恋·2022-12-06 19:50

【Pytorch学习笔记】pytorch加载网络模型示例

前言本文主要介绍记录如何使用pytorch加载一个网络模型到神经网络的例子，仅供参考学习使用。一、程序如下1.引入库代码如下（示例）：#coding:utf-8importtorchimporttorch.nnasnnimporttorch.nn.functionalasF2.定义网络代码如下（示例）：classNet(nn.Module):def__init__(self):super(Net,
秋天的波·2022-12-06 19:49

【Pytorch学习笔记】pytorch搭建一个简易网络并打印网络参数

前言使用pytorch搭建一个简单网络，并打印网络中的参数。提示：以下是本篇文章正文内容，下面案例可供参考一、分步程序1.引入库代码如下（示例）：#coding:utf-8importtorch.nnasnnimporttorch.nn.functionalasF2.创建网络代码如下（示例）：classNet(nn.Module):def__init__(self):super(Net,self)
秋天的波·2022-12-06 19:48

【Pytorch学习笔记】可视化权重参数示例程序

一、分步实现示例程序1.引入库代码如下（示例）：#coding:utf-8importosimporttorchimporttorchvision.utilsasvutilsfromtensorboardXimportSummaryWriterimporttorch.nnasnnimporttorch.nn.functionalasF2.定义网络代码如下（示例）：classNet(nn.Modul
秋天的波·2022-12-06 19:17

【Pytorch学习笔记】可视化网络特征图featuremaps示例程序

文章目录前言一、分步实现程序1.引入库2.定义网络加载模型3.数据预处理4.载入数据5.遍历模型中的layer及名字6.依据选择的层，进行记录featuremaps二、完整程序如下总结前言我们在做深度学习项目时，有时需要可视化网络模型中某层的特征图。本章将介绍一个可以可视化网络特征图的示例程序，仅供学习参考！一、分步实现程序1.引入库代码如下（示例）：#coding:utf-8importosim
秋天的波·2022-12-06 19:17

pytorch个人学习笔记

pytorch学习笔记来自datawhale的深入浅出pytorch教程的笔记。
ersanwuqi·2022-12-06 18:28

【Pytorch学习笔记1】Pytorch的安装与基础知识

个人笔记，仅用于个人学习与总结感谢DataWhale开源组织提供的优秀的开源Pytorch学习文档：原文档链接文章目录1.Pytorch简介与安装1.1Pytorch简介1.2Pytorch、CUDA安装1.2.1pip与Anaconda的选择1.2.2wins系统下python虚拟环境1.2.3pip换源1.2.4CUDA安装1.2.5Pytorch下载安装1.2.6检查环境配置是否成功1.3P
獭祭·2022-12-06 18:27

Pytorch学习笔记

Pytorch学习笔记前言最近在学习Pytorch，希望通过写博客的方式，一方面记录下自己在学习过程中遇到的坑，方便自己以后查阅，另一方面也希望能够将自己的学习笔记分享出来，给遇到类似问题的人一些帮助。
HUST_AIA_smv·2022-12-06 18:25

pytorch如何计算导数_PyTorch学习笔记(三)：自动求导Autograd

现代神经网络依靠反向传播(BackPropogation)算法来对模型进行优化，其本质是大规模链式求导。因此，能够对通过编程来对网络参数进行求导是非常重要的。目前的深度学习框架神经网络如PyTorch和TensorFlow等都实现了自动求梯度的功能。计算图计算图(ComputationGraph)是现代深度学习框架的核心，其为高效自动求导算法——反向传播(BackPropogation)提供了理论
weixin_39995108·2022-12-06 15:00

Pytorch学习笔记（四）

目录模型训练model_pretrained.pymodel_save.pymodel_load.pymodel.pytrain_cpu.pytrain_gpu1.pytrain_gpu2.pytest.py模型训练本笔记包含对现有网络模型的使用和修改、保存与读取、完整的模型训练套路、利用GPU训练的两种方法以及完整的模型验证套路。model_pretrained.py:现有网络模型的使用和修改，
Hygge0+·2022-12-06 14:29

Pytorch学习笔记（五）

目录目标检测01相关概念02数据集开源数据集①VOC数据集，常用VOC2007和VOC2012②COCO数据集,常用COCO2017标注自己的数据集03Pytorch加载数据集用Pytorch读取COCO数据集用Pytorch读取自己标注的数据集目标检测01相关概念什么是目标检测？输入图片，检测出目标位置与类别什么是目标？在应用场景中抽象出目标。eg：人脸检测——人脸-目标文字检测——文字-目标主
Hygge0+·2022-12-06 14:14

pytorch学习笔记2.0

目录一.深度学习中神经网络的基本张量操作二.对一个灰度图像张量的张量flatten操作一.深度学习中神经网络的基本张量操作在这里，我们将用重塑操作(reshape)来启动它，在开始进行重塑操作之前，首先对神经网络和深度学习的张量做一个全面的概述：我们使用的主要操作通常分为四大类：Reshapingoperations/Element-wiseoperations/Reductionoperatio
渭滨第一起不来床·2022-12-06 12:00

Pytorch学习笔记——VGG模型

1.代码importtimeimporttorchfromtorchimportnn,optimimporttorchvisiondevice=torch.device('cuda'iftorch.cuda.is_available()else'cpu')defvgg_block(num_convs,in_channels,out_channels):blk=[]foriinrange(num_c
Bellamy_xxx·2022-12-06 11:55

pytorch学习笔记——torch.tensor()、torch.Tenosor()与torch.empty()

目录官方文档：一、torch.tensor与torch.Tensor区别二、torch.Tensor与torch.empty三、总结官方文档：https://pytorch.org/docs/stable/generated/torch.empty.html#torch.empty一、torch.tensor与torch.Tensor区别torch.tensor是一个函数，复制参数data的值，并
phily123·2022-12-06 01:17

Pytorch学习笔记（二）---- 神经网络搭建

记录如何用Pytorch搭建LeNet-5，大体步骤包括：网络的搭建->前向传播->定义Loss和Optimizer->训练#-*-coding:utf-8-*-#Allcodesandcommentsfrom>#Codeurl:https://github.com/zhouzhoujack/pytorch-book#lesson_2:NeuralnetworkofPT(Pytorch)#torc
weixin_30731287·2022-12-05 18:50

Pytorch学习笔记（一）

Pytorch学习记录（一）Pytorch基础知识0.Pytorch简介1.下载安装1.1CUDA版本查看1.2安装Pytorch2.Pytorch中的张量（Tensor）2.1创建张量2.1.1给定张量维数，初始化随机张量2.1.2给定张量维数，依分布初始化张量2.1.3给定张量维数，通过填充方式初始化张量2.1.4从列表或numpy数组创建与初始化张量2.1.5给定一个numpy数组，不同方法
11好好学习，天天向上·2022-12-05 18:50

pytorch学习笔记

Pytorch学习笔记1.数据读取：主要涉及两个类：Dataset、DataloaderDataset主要是提供一种方式去获取数据及其label。
Waimo_·2022-12-04 23:36

pytorch学习笔记（7)（入门完结）

经过一段时间的学习，终于初步入门了pytorch，经过这么长时间的学习，收获了很多，我们一定要记住，天道酬勤，学习一定要坚持不懈，终身学习，养成学习的兴趣！加油，我们都能在生活中找到自己的目标！今天是学习笔记入门的最后一篇，主要写了将神经网络模型送入gpu进行运算的代码，同时也写了验证的代码，大家一起加油!importtorch.optimimporttorchvisionimporttime#准
不瘦回150不改·2022-12-04 23:04

【pytorch学习笔记】ModuleList（）

文章目录torch.nn.LinearModuleListtorch.nn.Linearpytorch中的nn.Linear()是用来设置网络全连接层的，在二维图像处理的任务中，全连接层的输入与输出一般都设置为二维张量，形状通常为[batch_size,size]，不同于卷积层要求输入输出是四维张量。用法与形参说明如下：in_features——输入二维张量大小，即输入的[batch_size,s
陌上骑驴Yiping_Chen·2022-12-04 23:02

pytorch学习笔记之pytorch入门

Tensors(张量)tensors张量：张量的概念类似于Numpy中的ndarray的数据结构，最大的区别在于Tensor可以利用GPU的加速功能。我们使用pytorch的时候，常规步骤是先将torch引用进来from__future__importprint_functionimporttorch创建一个没有初始化的矩阵x=torch.empty(5,3)创建一个随机初始化的矩阵#符合均匀分布
傲骨你也配·2022-12-04 23:32

Pytorch学习笔记(一) 基础

PyTorch深度学习：60分钟入门一、概述实现强大的GPU加速、支持动态神经网络两个高级功能：具有强大的GPU加速的张量计算（如Numpy）包含自动求导系统的深度神经网络缺点：不支持快速傅里叶、沿维翻转张量和检查无穷与非数值张量；针对移动端、嵌入式部署以及高性能服务器端的部署其性能表现有待提升二、基础PyTorch官网关于Tensor及其操作张量创建x=torch.empty(5,3)#构造一个
Nismilesucc·2022-12-04 23:27

【pytorch学习笔记】（一）pytorch入门

参考教程：小土堆importtorchtorch.cuda.is_availabledir(torch)dir(torch.cuda)help(torch.cuda.is_available)
陌上骑驴Yiping_Chen·2022-12-04 23:57

【pytorch学习笔记】pytorch搭建AlexNet网络+FashionMnist数据集

目录AlexNet网络介绍pytorch搭建网络AlexNet网络介绍AlexNet由⼋层组成：五个卷积层、两个全连接隐藏层和⼀个全连接输出层。其次，AlexNet使⽤ReLU而不是sigmoid作为其激活函数。在AlexNet的第⼀层，卷积窗口的形状是11×11,，需要⼀个更⼤的卷积窗口来捕获⽬标。AlexNet将sigmoid激活函数改为更简单的ReLU激活函数。⼀⽅⾯，ReLU激活函数的计算
是安澜啊·2022-12-04 20:32

[pytorch学习笔记] 使用pytorch 搭建自己的网络

目录数据预处理加载训练集和测试集查看迭代器中的图片使用GPU训练搭建自己的网络定义损失函数定义优化方法SGD随机梯度下降开始训练可视化训练误差和测试误差模型的保存测试参考完整源码：https://github.com/yanganlan0310/build-a-simple-CNN-based-pytorch.git数据预处理使用torchvision中的transforms模块对数据进行预处理：
是安澜啊·2022-12-04 20:02

PyTorch学习笔记（10）--搭建简单的神经网络以及Sequential的使用

PyTorch学习笔记（10）–搭建简单的神经网络以及Sequential的使用    本博文是PyTorch的学习笔记，第10次内容记录，主要搭建一个简单的神经网络，并介绍Sequential的使用。
我这一次·2022-12-04 20:01

Pytorch学习笔记--SEResNet50搭建

目录1--ResNet50介绍1-1--StemBlock环节1-2--Stage环节1-3--ResNet50核心代码：2--SENet介绍3--SEResNet50介绍4--实例之使用SEResNet50实现数据集CIFAR10分类5--参考1--ResNet50介绍分析：上图为ResNet50的整体结构，除Input和Output环节外，还包含5个环节：StemBlock环节、Stage1-
憨豆的小泰迪·2022-12-04 20:30

pytorch学习笔记---搭建CNN识别MNIST

CNN网络搭建importtorchimporttorch.nnasnnimporttorch.nn.functionalasFimporttorchvisionimporttorch.utils.dataasDataimportmatplotlib.pyplotasplt#definehyperparametersBatch_size=100Epoch=1Lr=0.5#definetrainda
不不加辣椒·2022-12-04 20:53

pytorch学习笔记之自己搭建一个网络结构

Pytorch定义深度神经网络其实就是一个层堆叠的过程，在__init__中定义层结构，每一层可能包含卷积、池化等操作。也可以复用Pytorch底层封装好的已经成熟的网络结构对layer进行初始化。该类中还有一个forward函数，在实例化模型的时候，底层会自动调用该函数。该函数中可以定义学习率，为初始化定义的layer传入数据等。一般自定义的op,如果您想在PyTorch中自定义OP的话，您需要
小卜妞~·2022-12-04 20:23

Pytorch学习笔记（三）

目录nn_loss.pynn_loss_network.pynn_optimizer.pynn_loss.py#损失函数和反向传播#计算实际输出与目标之间的差距；为我们更新输出提供一定的依据（反向传播）importtorchfromtorch.nnimportL1Loss,CrossEntropyLossfromtorch.nnimportMSELossinputs=torch.tensor([1
Hygge0+·2022-12-04 16:00
上一页 3 4 5 6 7 8 9 10 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他