PyTorch深度学习基础第36页

pytorch安装：简单易行版

为了学习深度学习，我们需要安装pytorch框架，但是官网上的命令直接运行往往并不能安装成功，因此这里提供一种简单易行的安装方法，安装可行性高。

浅梦语11·2024-01-05 10:32

tensorflow ，torch安装

1.whl文件下载地址2.安装方法3.可能出现的问题1..whl文件下载地址torch:https://download.pytorch.org/whl/torch_stable.htmltensorflow-cpu

好想毕业啊！·2024-01-05 10:02

Pytorch GPU版本whl文件安装-备份自用

安装之前，先配好环境即装CUDA和CUDANN具体是什么，可以去搜一下这里我参考了这篇文章都看看Pytorch官网链接这里进行下补充，我下载的是cuda11.8，在官网中，首先点击installpreviousversion

.一夜知秋.·2024-01-05 10:28

Pytorch之梯度下降算法

复习：首先让我们回忆一下上一篇中所讲的学习目标：使用Pytorch来构建一个学习系统。（Whatshouldbetheb

丘小羽·2024-01-05 07:06

Pytorch Overview

：要求：监督学习和无监督学习：深度学习基本方法：经典的机器学习方法:表示学习的改进：为什么要进行特征提取：深度学习的改进：深度学习的发展：神经网络的简单介绍：深度学习算法的三大支撑：学习目标：如何使用pytorch

丘小羽·2024-01-05 07:36

神经网络的核心：帮助新手理解 PyTorch 非线性激活函数

目录torch.nn子函数非线性激活详解nn.SoftminSoftmin函数简介函数工作原理参数详解使用技巧与注意事项示例代码nn.SoftmaxSoftmax函数简介函数工作原理参数详解使用技巧与注意事项示例代码nn.Softmax2dSoftmax2d函数简介函数工作原理输入和输出形状使用技巧与注意事项示例代码nn.LogSoftmaxLogSoftmax函数简介函数工作原理参数详解使用技巧

E寻数据·2024-01-05 07:10

10分钟学会Docker的安装和使用！

2.2.2Ubuntu安装2.3验证安装是否成功3Docker镜像（DockerImages）3.1镜像简介3.2镜像操作常用指令4Docker容器4.1容器简介4.2容器操作常用指令5DIY一个自己的Pytorch

lynnhgwang·2024-01-05 07:06

【nn.Parameter】Pytorch特征融合自适应权重设置（可学习权重使用）

2021年11月17日11:32:14今天我们来完成Pytorch自适应可学习权重系数，在进行特征融合时，给不同特征图分配可学习的权重！

bao文·2024-01-05 05:51

Pytorch深度学习-----完整的模型验证套路

系列文章目录PyTorch深度学习——Anaconda和PyTorch安装Pytorch深度学习-----数据模块Dataset类Pytorch深度学习------TensorBoard的使用Pytorch

-希冀-·2024-01-04 23:22

pytorch深度学习笔记（共计169页，基于本人听完B站小土堆PyTorch深度学习快速入门教程所写）

一、笔记视频pytorch深度学习（共计169页，基于本人听完B站小土堆PyTorch深度学习快速入门教程所写）二、获取方式方式一：点击下面的链接pytorch深度学习笔记如果链接无法打开直接复制下方链接即可

-希冀-·2024-01-04 23:50

深度学习实战第11章代码

https://github.com/deep-learning-with-pytorch/dlwpt-code/issues/27解决方案：导入一下包fromcassandra.cqltypesimportBytesTypefromdiskcacheimportFanoutCache

haithink·2024-01-04 20:53

Pytorch与激活函数——Sigmoid函数, ReLU函数, Tanh函数

Pytorch与激活函数Sigmoid函数ReLU函数Tanh函数本章内容提示：了解常用的激活函数，利用激活函数，建立简单的三层神经网络模型。

Sophia&Anna·2024-01-04 20:36

[记录]-.pytorch转为.pth

importtorch#加载原始模型original_model=torch.load('network-chairs-things.pytorch')#指定要保存的文件名save_path='network-chairs-things.pth

HRU_3912·2024-01-04 19:39

pytorch 基于 apex.amp 的混合精度训练：原理介绍与实现

文章目录1.混合精度训练介绍1.1FP16与FP321.2为什么要使用混合精度训练？1.3使用fp16带来的问题及解决方法2.apex介绍与安装3.apex.amp的使用3.1三行代码实现amp3.2参数配置3.3amp测试：MNIST手写数字识别4.参考资料推荐1.混合精度训练介绍所谓天下武功，唯快不破。我们在训练模型时，往往受制于显存空间只能选取较小的batchsize，导致训练时间过长，使人

ctrl A_ctrl C_ctrl V·2024-01-04 18:23

Pytorch技法：混合精度训练（一）

pytorch混合精度训练代码这里意思就是在训练的时候用上你机器的FP16运算，不仅用默认的FP32。

几夏经秋·2024-01-04 18:51

PyTorch|PyTorch张量解释

神经网络中的输入、输出和转换都使用张量表示，因此，神经网络编程大量使用张量，张量是我们在PyTorch中编程神经网络时将使用的数据结构。

霜溪·2024-01-04 18:22

PyTorch|transforms

在将图片输入到神经网络进行训练时，一般都需要对输入的图像进行预处理。对图片进行操作有很多种方法，这里我们使用torchvision库的transforms模块。tansforms有很多种方法(一些可以用在张量和PIL图像，一些仅能用于张量，而另一些仅能用于PIL图像），这些方法极大的为我们的图片处理工作提供了便利。我们使用PIL库读取一个图片，在调用transform的Resize方法，改变图片的

霜溪·2024-01-04 18:52

PyTorch|在张量运算中使用GPU

pytorch在张量运算时允许我们在GPU上进行计算，我们可以采用这些方法将数据无缝的移入或移出GPU。

霜溪·2024-01-04 18:51

m1mac 上调用mps遇到nan/inf loss的解决办法

最近跑一个项目时发现调用mps会出现nanloss的问题，甚至运行速度不如cpu调用mps时发现的问题使用cpu正常运行甚至速度还更快解决方法使用以下代码更新pytorchpip3install--pretorchtorchvisiontorchaudio

ladedah·2024-01-04 16:07

data.TensorDataset解析

data.TensorDataset是PyTorch中的一个类，用于创建一个包含多个张量的数据集。这个类的主要作用是将输入的张量组合成一个数据集，使得在训练过程中可以方便地进行数据加载和迭代。

Recursions·2024-01-04 15:10

data.DataLoader详解

data.DataLoader是PyTorch中的一个工具，用于从给定的数据集中加载数据，实现批量化的训练。它是在训练神经网络时常用的一个组件，能够方便地迭代数据集并生成小批量数据。

Recursions·2024-01-04 15:40

从CNN到Transformer：基于PyTorch的遥感影像、无人机影像的地物分类、目标检测、语义分割和点云分类

Teacher.chenchong·2024-01-04 13:47

用树莓派4b构建深度学习应用（五）Tersorflow篇

前言上回我们把pytorch的环境安装好了，这篇我们建立一下tensorflow和keras的开发环境。

bluishfish·2024-01-04 11:18

使用Tensorboard可视化网络结构（基于pytorch）

从而更好地了解网络模型的结构，Tensorboard工具的使用就给我们提供了方便的途径Tensorboard概况Tensorboard是由Google公司开源的一款可视化工具，是TensorFlow的一个附属组件，但在pytorch

草莓橙子碗·2024-01-04 11:24

自定义数据集的手写数字识别（基于pytorch，可下载训练数据集）

代码依赖的环境，库的引入有以下：#神经网络搭建的库importtorchimportnumpyasnpimporttorch.nnasnnimporttorch.nn.functionalasFimporttorch.optimasoptim#数据处理的库fromtorchvisionimporttransforms,utils,datasetsfromtorch.utils.dataimport

草莓橙子碗·2024-01-04 11:54

PyTorch权值初始化的十种方法

参考PyTorch权值初始化的十种方法-云+社区-腾讯云pytorch在torch.nn.init中提供了常用的初始化方法函数，这里简单介绍，方便查询使用。

Wanderer001·2024-01-04 11:24

pytorch入门：权重正则化，Dropout正则化，BN ，权重初始化

机器学习基础监督学习给定学习目标（标签），让预测值与目标更加接近。主要是传统的二分类，多分类，多标签分类，还有新的目标检测，目标识别，图形分割等无监督学习没有标签的数据，通过推断输入数据中的结构来建模，模型包括关联学习，降维，聚类等半监督学习这个就是前两者的结合，使用大量的没标记的数据，同时由部分使用标记数据进行模式识别。自编码器就是一种半监督学习，生成的目标就是未经修改的输入，语言处理中根据给定

AI路漫漫·2024-01-04 11:24

池化层解析：新手也能理解 PyTorch 中的核心组件

目录torch.nn详解nn.MaxPool1dnn.MaxPool2dnn.MaxPool3dnn.MaxUnpool1dnn.MaxUnpool2dnn.MaxUnpool3dnn.AvgPool1dnn.AvgPool2dnn.AvgPool3dnn.FractionalMaxPool2dnn.FractionalMaxPool3dnn.LPPool1dnn.LPPool2dnn.Adapt

E寻数据·2024-01-04 11:53

PyTorch详细教程

一、参考资料PyTorch中文文档PyTorch官方文档PyTorch官方源码：GitHub-pytorch/pytorch:TensorsandDynamicneuralnetworksinPythonwithstrongGPUaccelerationPyTorch

花花少年·2024-01-04 10:52

50个超强的Pytorch操作 ! ! !

50个重要且核心的Pytorch操作!

JOYCE_Leo16·2024-01-04 10:51

pytorch 卷积填充“same”实现（附代码） Conv1d Conv2d

参考：pytorch卷积填充“same”实现（附代码）importtorch.utils.datafromtorch.nnimportfunctionalasFimportmathimporttorchfromtorch.nn.parameterimportParameterfromtorch.nn.functionalimportpadfromtorch.nn.modulesimportModu

study_&·2024-01-04 10:20

【pytorch】padding的几种填充方法

今天总结一下，pytorch框架下的几种边界填充方法：1、torch.nn.ReflectionPad2d(padding)功能：使用输入边界的反射填充输入张量。

机器不学习我学习·2024-01-04 10:49

词嵌入位置编码的实现（基于pytorch）

背景介绍在transformers架构当中，对于词向量的输入需要加上原本词对应的位置信息，作为输入到模型中训练的input，那具体的位置编码如何实现呢？本篇博客就跟大家一起分享一下对应的步骤位置编码的公式对于词向量的位置编码的方式有多种，这里就介绍用三角函数进行位置编码的公式PE是positionembeding位置编码的意思，pos表示词的位置，表示词向量的维度,i表示词向量的第i维度那接下来我

草莓橙子碗·2024-01-04 10:18

新手能掌握 PyTorch 的填充技术：深入理解反射、复制、零值和常数填充

目录torch.nn子模块详解nn.ReflectionPad1d参数说明：形状（Shape）：使用示例：注意事项：nn.ReflectionPad2d参数说明：形状（Shape）：使用示例：注意事项：nn.ReflectionPad3d参数说明：形状（Shape）：使用示例：注意事项：nn.ReplicationPad1d参数说明：形状（Shape）：使用示例：注意事项：nn.Replicati

E寻数据·2024-01-04 10:48

pytorch06：权重初始化

慕溪同学·2024-01-04 10:47

PyTorch, 16个超强转换函数总结 ! !

本文介绍了关于pytorch的转换函数。在平常的使用中又多又重要!当然,在Pytorch中,转换函数的意义主要是用于对进行数据的预处理和数据增强,使其适用于深度学习模型的训练和推理。

JOYCE_Leo16·2024-01-04 10:47

PyTorch创建tensor的四种方式

Let’sstart！data=np.array([1.,2.,3.,4.])t1=torch.Tensor(data)t2=torch.tensor(data)t3=torch.as_tensor(data)t4=torch.from_numpy(data)print(t1)print(t2)print(t3)print(t4)结果：tensor([1.,2.,3.,4.])tensor([1.

霜溪·2024-01-04 09:53

卷积神经网络|制作自己的Dataset

PyTorch提供了许多预加载的数据集（如FashionMNIST），这些数据集子类并实现特定于特定数据的函数。它们可用于对模型进行原型设计和基准测试，加载这些数据集是十分简单的。

霜溪·2024-01-04 09:14

神经网络的基本框架的搭建-nn.Module

一、Torch.NN简介torch.nn是PyTorch中用于构建神经网络的模块。它提供了一组类和函数，用于定义、训练和评估神经网络模型。

DQ小恐龙·2024-01-04 09:38

深度学习的一点学习笔记（CNN相关）

因为是学习笔记，估计唯一看的人是我自己，我就忽略一些CNN的基础部分，比如什么是卷积，卷积如何操作，pytorch怎么实现卷积层，什么是池化层，pytorch怎么实现池化层等等。

Pagesns·2024-01-04 09:35

【深度学习】60题PyTorch简易入门指南，做技术的弄潮儿

1初识PyTorch1.1张量1.导入pytorch包importtorch2.创建一个空的5x3张量x=torch.empty(5,3)print(x)3.创建一个随机初始化的5x3张量x=torch.rand

风度78·2024-01-04 09:35

yolo v7支持的设备

将一个深度学习模型（在这里是YOLOv7，一个目标检测模型）从PyTorch导出到不同的格式，以便在不同平台上进行推理（inference）。

AlphaFinance·2024-01-04 08:53

(PyTorch)TCN和RNN/LSTM/GRU结合实现时间序列预测

.前言II.TCNIII.TCN-RNN/LSTM/GRU3.1TCN-RNN3.2TCN-LSTM3.3TCN-GRUIV.实验结果I.前言前面已经写了一系列有关LSTM时间序列预测的文章：深入理解PyTorch

Cyril_KI·2024-01-04 07:27

windows系统，搭建anaconda下的pytorch环境，并在VScode下使用

使用windows系统，搭建anaconda下的pytorch环境，并在VScode下使用一、创建anaconda环境二、在anaconda中创建一个虚拟环境，并加入cuda，为了方便安装pytorch

yuanjun0416·2024-01-04 06:05

深度学习-PyTorch：02-基于BERT-base打造AI芯片高效 - 简易版压力测试工具

历史攻略：深度学习：win10安装PyTorch深度学习-PyTorch：01-使用gpu进行运算范例安装依赖：由于网络问题，建议使用国内源pipinstall-ihttps://mirrors.aliyun.com

玩转测试开发·2024-01-04 06:02

【深度学习】02--框架

文章导读：•机器学习框架：•Scikit-Learn•SparkMLlib•深度学习框架•Theano蒙特利尔理工学院•TensorFlow谷歌•PytorchFacebook•Deeplearning4j

创造new_world·2024-01-04 06:55

PyTorch 第二周第一节课：Dataloader与Dataset

目录1、人民币二分类2、Dataloader与Datasettorch.utils.data.DataLoadertorch.utils.data.Dataset1、人民币二分类2、Dataloader与Datasettorch.utils.data.DataLoader功能：构建可迭代的数据装载器dataset：Dataset类，决定数据从哪读取及如何读取batchsize：批大小num_wor

冰雪棋书·2024-01-04 04:36

PyTorch|数据读取机制之Dataloader与Dataset

01|Dataloader与DataSet数据读取方法DataLoader与DataSet是PyTorch数据读取的核心。

木千之·2024-01-04 04:35

DataLoader 和 Dataset

我们就要弄明白怎么对数据进行预处理，然后加载数据，我们以前手动加载数据的方式，在数据量小的时候，并没有太大问题，但是到了大数据量，我们需要使用shuffle,分割成mini-batch等操作的时候，我们可以使用PyTorch

深度学习的奋斗者·2024-01-04 04:04

推荐频道

PyTorch深度学习基础