PyTorch深度学习基础第17页

李沐深度学习PyTorch版001 | [000-0004]

目录1、深度学习简介2、安装环境3、数据操作（1）N维数组（2）创建数组①新建一个张量。②通过shape属性来访问张量的形状和张量中元素的总数。③要改变一个张量的形状，而不改变元素的数量和元素值，我们可以通过reshape函数。④使用全0、全1、其他常量或从特定分布中随机采样的数字。⑤通过提供包含数值的Python列表来为所需张量中的每个元素赋予确定值。⑥常见的标准算术运算⑦我们也可以把多个张量连

柠檬不萌只是酸i·2024-01-29 06:47

PyTorch学习---2.自动求梯度

自动求梯度首先给大家介绍几个基本概念：方向导数：是一个数；反映的是f(x,y)在P0点沿方向v的变化率。偏导数：是多个数（每元有一个）；是指多元函数沿坐标轴方向的方向导数，因此二元函数就有两个偏导数。偏导函数：是一个函数；是一个关于点的偏导数的函数。梯度：是一个向量；每个元素为函数对一元变量的偏导数；它既有大小（其大小为最大方向导数），也有方向。摘自《方向导数与梯度》梯度从本质上来说也是导数的一种

与世无争小菜鸡·2024-01-29 05:53

PyTorch入门：基本安装与使用指南

PyTorch，作为一个由Facebook开源的深度学习框架，凭借其简洁、灵活和高效的特性，吸引了大量用户的关注。本博客将带你了解如何安装PyTorch，并简单介绍其使用方法。

GT开发算法工程师·2024-01-29 03:35

Pytorch中torch.stack() 函数解析

一.torch.stack（）函数解析1.函数说明：1.1官网：torch.stack()，函数定义及参数说明如下图所示：1.2函数功能沿一个新维度对输入一系列张量进行连接，序列中所有张量应为相同形状，stack函数返回的结果会新增一个维度。也即是把多个2维的张量凑成一个3维的张量；多个3维的凑成一个4维的张量…以此类推，也就是在增加新的维度上面进行堆叠。1.3参数列表tensors：为一系列输入

逍遥_yjz·2024-01-29 01:59

实践torch.fx第一篇——基于Pytorch的模型优化量化神器

什么是Torch.FXtorch.fx是Pytorch1.8出来的一套工具

OLDPAN·2024-01-29 00:21

torch.nn.ModuleList()

torch.nn.ModuleList()与Module,ModuleDict,Sequential同属于容器和通常的pythonlist一样进行append,extend,insert操作，但是参数会自动注册示例'''fromPYTORCHDOCUMENTATION

syugyou·2024-01-28 23:59

PyTorch深度学习实战（32）——DCGAN详解与实现

PyTorch深度学习实战（32）——DCGAN详解与实现0.前言1.模型与数据集分析1.1模型分析1.2数据集介绍2.构建DCGAN生成人脸图像小结系列链接0.前言DCGAN(DeepConvolutionalGenerativeAdversarialNetworks

盼小辉丶·2024-01-28 23:44

PyTorch深度学习实战（33）——条件生成对抗网络(Conditional Generative Adversarial Network, CGAN)

PyTorch深度学习实战（33）——条件生成对抗网络0.前言1.条件生成对抗网络1.1模型介绍1.2模型与数据集分析2.实现条件生成对抗网络小结系列链接0.前言条件生成对抗网络(ConditionalGenerativeAdversarialNetwork

盼小辉丶·2024-01-28 23:12

第1周学习：深度学习和pytorch基础

第1周学习：深度学习和pytorch基础01-绪论一、机器学习简介二、几种学习模型三、名词解释02-神经网络基础一、为什么说神经网络是黑盒的？

随风漂流l·2024-01-28 21:03

scheduler：pytorch训练过程中自动调整learning rate

importtorch.optimasoptimoptimizer=optim.Adam(net.parameters(),lr=1e-3,betas=(0.9,0.99))在使用PyTorch训练神经网络时

robin_ze·2024-01-28 21:32

task1

欧飞红·2024-01-28 21:37

【深度学习基础】什么是卷积？为什么要用卷积？

什么是卷积？为什么要用卷积？（一）卷积的原理：1.卷积核：2.卷积层参数：2.1卷积核数：2.2卷积核的大小：2.3步长：2.4填充：3.池化层：3.1最大池化层（maxpooling）：3.2均值池化层（averagepooling）：（二）卷积的作用：1.减少参数量：

BIT可达鸭·2024-01-28 19:18

大厂面经|NLP 算法实习岗，对我后续找工作太重要了！

1、平安科技1.自我介绍；2.主要用过哪些深度学习框架（Pytorch）；3.介绍自己的论文和项目；4.什么是元学习（项目和论文

深度学习算法与自然语言处理·2024-01-28 19:39

调错日记|apex安装、pytorch载入模型报错

apex安装问题apex不能直接使用pipinstall来安装，用这种方式安装之后会报错。具体应该使用下面的方法：gitclonehttps://github.com/NVIDIA/apexcdapexpythonsetup.pyinstall用这个方法的时候，需要提前安装git，下载Git网址：https://git-scm.com/download/win没有什么特殊要求可以直接点击next，

缸里有绿粥·2024-01-28 18:41

《动手学深度学习(PyTorch版)》笔记4.9

Chapter4MultilayerPerceptron4.9EnvironmentandDistributionShift4.9.1TypesofDistributionShift在一个经典的情景中，假设训练数据是从某个分布pS(x,y)p_S(\mathbf{x},y)pS(x,y)中采样的，但是测试数据将包含从不同分布pT(x,y)p_T(\mathbf{x},y)pT(x,y)中抽取的未标

南七澄江·2024-01-28 18:44

复现PointRCNN

https://github.com/sshaoshuai/PointRCNNcondaactivatepointrcnnLinux(testedonUbuntu14.04/16.04)Python3.6PyTorch1.0

SIATdog·2024-01-28 16:48

基于Pytorch做深度学习，但是代码水平很低，应该如何学习呢？

PyTorch是一个Python程序库，有助于构建深度学习项目。它强调灵活性，并允许用深度学习领域惯用的Python来表示深度学习模型。

人邮异步社区·2024-01-28 14:54

Anaconda清华源设置--2019

我的版本将.condarc文件设置如下：channels:-https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/-https://mirrors.tuna

人生一场梦163·2024-01-28 14:58

华为比赛-慧科第一届人工智能应用创新大赛的入门培训的相关学习

慧科杯第一届人工智能应用创新大赛（又想去白嫖GPU的资源）首先大概说一下这个比赛，基于华为ModelArts平台，和之前学习的百度的AIstudio来说，最大的不同就是华为的notebook环境配置了tf（1.13）和pytorch

renyujie518·2024-01-28 13:22

使用强化学习进行神经网络结构搜索的代码以及修改

目录代码一（UsingTensorFlow）：代码二（UsingTensorFlow）：代码三（UsingPyTorch）：参考：本人在网上找了三个相关的代码，但是都有问题，这里记录一下修改哪些地方之后可以跑通

ThreeS_tones·2024-01-28 13:43

【PyTorch】n卡驱动、CUDA Toolkit、cuDNN全解安装教程

文章目录GPU、NVIDIAGraphicsDrivers、CUDA、CUDAToolkit和cuDNN的关系使用情形判断仅仅使用PyTorch使用torch的第三方子模块安装NVIDIAGraphicsDrivers

UnderTurrets·2024-01-28 11:50

【深度学习实验】TensorBoard使用教程【SCALARS、IMAGES、TIME SERIES】

文章目录一、环境二、TensorBoard1.使用TensorBoardXa.安装TensorBoardXb.使用示例2.PyTorch内置的TensorBoard3.启动TensorBoard服务三、

QomolangmaH·2024-01-28 11:16

深度学习与神经网络pytorch版基础知识

深度学习与神经网络pytorch版基础知识1.简单介绍PyTorch是一个开源的深度学习框架，由Facebook于2016年发布的第一个开源项目。

砍树＋c＋v·2024-01-28 11:45

【GitHub项目推荐--计算机视觉工具箱】【转载】

EasyCV是阿里巴巴开源的基于PyTorch的ComputerVision工具箱，主要专注于自监督学习和Transformer。

旅之灵夫·2024-01-28 11:29

PyTorch 之 rand() 与 randn() 函数

文章目录`torch.rand()`示例:`torch.randn()`示例:当然，让我更详细地介绍torch.rand()和torch.randn()，以及它们在PyTorch中的用法。

JNU freshman·2024-01-28 08:31

《动手学深度学习(PyTorch版)》笔记4.8

注：书中对代码的讲解并不详细，本文对很多细节做了详细注释。另外，书上的源代码是在JupyterNotebook上运行的，较为分散，本文将代码集中起来，并加以完善，全部用vscode在python3.9.18下测试通过。Chapter4MultilayerPerceptron4.8NumericalStabilityandModelInitialization4.8.1GradientVanishi

南七澄江·2024-01-28 08:01

《动手学深度学习(PyTorch版)》笔记4.6

注：书中对代码的讲解并不详细，本文对很多细节做了详细注释。另外，书上的源代码是在JupyterNotebook上运行的，较为分散，本文将代码集中起来，并加以完善，全部用vscode在python3.9.18下测试通过。Chapter4MultilayerPerceptron4.6DropoutRegularization4.6.1ReexamineOverfitting当面对更多的特征而样本不足时

南七澄江·2024-01-28 08:00

《动手学深度学习(PyTorch版)》笔记4.7

Chapter4MultilayerPerceptron4.7Forward/BackwardPropagationandComputationalGraphs本节将通过一些基本的数学和计算图，深入探讨反向传播的细节。首先，我们将重点放在带权重衰减（L2L_2L2正则化）的单隐藏层多层感知机上。4.7.1ForwardPropagation前向传播（forwardpropagation或forwa

南七澄江·2024-01-28 08:00

深度学习与神经网络pytorch版 2.2 数据预处理

深度学习与神经网络pytorch版2.2数据预处理目录深度学习与神经网络pytorch版2.2数据预处理2.2.1读取数据集2.2.2处理缺失值2.2.3转换为张量格式小结2.2.1读取数据集#2.2.1

砍树＋c＋v·2024-01-28 08:27

PyTorch 之 nn.Parameter

文章目录使用方法：为什么使用`nn.Parameter`：示例使用：在PyTorch中，nn.Parameter是一个类，用于将张量包装成可学习的参数。

JNU freshman·2024-01-28 08:26

PyTorch初探：基本函数与案例实践

正文：在熟悉了PyTorch的安装和环境配置后，接下来让我们深入了解PyTorch的基本函数，并通过一个简单的案例来实践这些知识。

GT开发算法工程师·2024-01-28 08:26

pytorch学习路径

微信公众号：诗人藏夜里参考了黄海广老师的[pytorch快速入门资料](https://zhuanlan.zhihu.com/p/87263048)，并结合自身从0到1的学习经历，写下此pytorch入门路径本路径适合人群

诗人藏夜里·2024-01-28 07:46

pytorch 卷积神经网络CNN

www.ai-xlab.comAIMOOC卷积神经网络CNN1www.ai-xlab.comAIMOOC卷积神经网络是近年发展起来，并广泛应用于图像处理，NLP等领域的一种多层神经网络。传统BP处理图像时的问题：1.权值太多，计算量太大2.权值太多，需要大量样本进行训练。CNNwww.ai-xlab.comAIMOOC1962年哈佛医学院神经生理学家Hubel和Wiesel通过对猫视觉皮层细胞的研

Jiang_Immortals·2024-01-28 06:06

Windows11搭建GPU版本PyTorch环境详细过程

Anaconda安装https://www.anaconda.com/Anaconda:中文大蟒蛇，是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。从官网下载Setup：点击安装，之后勾选上可以方便在普通命令行cmd和PowerShell中使用Anaconda命令，一般他会提示不推荐，防止冲突。验证是否安装成功：打开Anaconda的图形化界面Ana

DogDaoDao·2024-01-28 06:00

TensorFlow VS PyTorch下的深度学习框架之争

姓名：韩宜真学号：17020120095转载自：https://mp.weixin.qq.com/s?__biz=MzI4Mzc5NjI3MQ==&mid=2247500171&idx=2&sn=923f16496a2e5a039e351634bb5f394c&chksm=eb87b7cbdcf03eddd95a94b459a8ba7f2c16f1fe14389337e9746e02b192c4a

d5cc63d9e177·2024-01-28 05:14

pytorch安装(CPU和GPU)，以及简单的API

1pytorch介绍1END-TO-ENDMACHINELEARNINGFRAMEWORK（端到端的机器学习框架）上述这样命名就是因为深度学习只是机器学习的一个分支2pytorch的优点：简单易用、分布式训练

圆圆栗子君·2024-01-28 04:15

Pyroch中transforms 图像增强发方法的应用

1应用场景在我们训练模型的时候，有的时候数据不够，就需要通过水平翻转、垂直翻转、镜像、旋转、改变亮度、标准化等方式增加图像的多样性，此时可以调用Pytorch中的Transforms完成这些操作2导入相应的库

齐落山大勇·2024-01-28 03:10

Pytorch遇到的坑：MSEloss的输入问题

问题return_VF.broadcast_tensors(tensors)#type:ignoreRuntimeError:Thesizeoftensora(96)mustmatchthesizeoftensorb(336)atnon-singletondimension1loss(output,target)当我的输入为(B,C,336)target为（B,C,96）的时候不会出现报错而当我的

思考实践·2024-01-28 02:58

[Python] pytorch损失函数之MSELoss(均方误差损失)介绍和使用场景

什么是MSE（均方误差）?均方误差(MeanSquaredError，简称MSE)是用于衡量预测值与真实值之间差异的一种指标。它是实际观察值与预测值之差的平方和的平均值。假设有n个样本，真实值分别为y₁,y₂,……,yₙ，预测值分别为ŷ₁,ŷ₂,……,ŷₙ。首先，我们可以定义误差（error）为预测值与真实值之间的差：eᵢ=yᵢ-ŷᵢ则第i个样本的误差平方为：eᵢ²=(yᵢ-ŷᵢ)²我们希望得到所

老狼IT工作室·2024-01-28 02:27

MSELoss() 函数

MSELoss(均值损失)pytorch：defMSELoss(pred,target):return(pred-target)**2代码示例：importtorchimporttorch.nnasnna

xiaojiuwo168·2024-01-28 02:27

pytorch中的MSELoss

MSELoss的定义：其中，N是batch_size，如果reduce设置为true，则：求和运算符计算后，仍会对除以n；如果size_average设置为False后，就会避免除以N；参数：size_average(bool,optional)：已经弃用，默认loss在对输入batch计算损失后，会求平均值。对于sample中有多个元素时，如果size_average设置为false，loss则

柚子Betty·2024-01-28 02:27

小土堆pytorch学习笔记004

2）代码实现：5、神经网络-非线性激活（1）代码实现（调用sigmoid函数）6、神经网络-线性层（1）代码7、网络搭建-小实战（1）完整代码1、神经网络的基本骨架-nn.Module的使用官网地址：pytorch

柠檬不萌只是酸i·2024-01-28 00:52

小土堆pytorch学习笔记003 | 下载数据集dataset 及报错处理

目录1、下载数据集2、展示数据集里面的内容3、DataLoader的使用例子：结果展示：1、下载数据集#数据集importtorchvisiontrain_set=torchvision.datasets.CIFAR10(root="./test10_dataset",train=True,download=True)test_set=torchvision.datasets.CIFAR10(ro

柠檬不萌只是酸i·2024-01-28 00:22

小土堆pytorch学习笔记005 | 完结，✿✿ヽ(°▽°)ノ✿

目录1、损失函数与反向传播2、如何在搭建的网络中使用损失函数呢？3、优化器4、现有网络模型的使用及修改例子：5、模型训练保存+读取（1）保存（2）读取6、完整的模型训练：（1）代码【model文件】：【主文件】：（2）运行截图：（3）绘图展示：（4）添加训练正确率的完整代码：（5）总结！！！：（6）使用GPU训练7、完整模型验证（1）代码（2）运行结果1、损失函数与反向传播①计算实际输出和目标之间