Pytorch学习笔记第4页

Pytorch学习笔记-DataLoader

1.dataloader：dataloader本质是一个可迭代,使用iter()访问，不能使用next()访问；使用iter（dataloader）返回的是一个迭代器，然后可以使用next()访问。iter():生成器是iterator可迭代对象，但list,dict,str是iterable,不是可迭代对象，iter()函数是把list,dict,str等iterable转换为可迭代对象.nex

维他柠檬可乐·2023-01-22 11:51

pytorch学习笔记3-transforms的使用

transforms的使用transforms就像一个工具箱，是一个.py文件，主要用到里面的一些类，可以将特定格式的图片进行转化。在之前的笔记中，用SummaryWriter.add_image()读取图片的类型为numpy.ndarray型，这次用tensor（torch.Tensor）型。tensor数据类型，包装了神经网络中的一些参数。fromPILimportImagefromtorch

ThreeS_tones·2023-01-22 11:19

pytorch学习笔记4-torchvision中数据集的使用

在pytorch官网的torchvision中可以看到提供的数据集以及详细的说明，现成的数据集使用起来也很方便。以CIFAR10为例，点开可以看到CIFAR10的参数和返回值的相关介绍：importtorchvision#参数train为TRUE则返回训练集，为FALSE则返回测试集，download设置为TRUE则自动从网上下载train_set=torchvision.datasets.CIF

ThreeS_tones·2023-01-22 11:49

pytorch学习笔记5-dataloader的使用

先上pytorch官网查看dataloader这个类的帮助文档。shuffle=4的时候，4个4个打包，返回的是一个迭代器。importtorchvisionfromtorch.utils.dataimportDataLoaderfromtorch.utils.tensorboardimportSummaryWriter#准备的测试数据集test_data=torchvision.datasets

ThreeS_tones·2023-01-22 11:45

【pytorch学习笔记】pytorch 搭建NIN网络+Fashion-Mnist数据集

目录NIN网络pytorch搭建NIN网络参考NIN网络论文《NetworkInNetwork》在传统的CNN模型中，卷积层通过filter进行卷积操作，再使用非线性激活函数进行处理，产生特征映射（featuremapping）。其中，高层卷积层提取到的featuremapping是在底层卷积层提取到的featuremapping的基础上进行再提取得到的，所以如果提高每个卷积层的特征提取能力，那么

是安澜啊·2023-01-20 15:57

Pytorch学习笔记（三）——nn.Sequential的理解

nn.Sequential的理解一、源码剖析二、实战意义在定义CNN模型的时候看到有如下定义，其中讲解一下nn.SequentialclassCNN(nn.Module):def__int__(self):super(CNN,self).__init__()self.conv1=nn.Sequential(nn.Conv2d(in_channels=1,out_channels=16,kernel

酒与花生米·2023-01-20 14:41

【Pytorch学习笔记】2.Pytoch基础

文章目录4.基本数据类型4.1AllisaboutTensor4.2Howtodenotestring4.3Datatype4.4Typecheck4.5Dimension/rank4.6Mixed5.创建Tensor5.1Importfromnumpy5.2ImportfromList5.3uninitialized5.4setdefaulttype5.5rand/rand_like,randi

贪钱算法还我头发·2023-01-20 13:04

pytorch学习笔记--trochvision.datasets和DataLoader的使用

trochvision.datasets和DataLoader的使用一、datasets二、DataLoader补充：datasets类的代码本文为学习笔记，感谢PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】一、datasetsdatasets工具在trochvision中importtorchvisionfromtorchvisionimporttransformsastffro

Tony·2023-01-20 10:58

pytorch学习笔记-2022

学习笔记文章目录学习笔记1.pytorch二、pytorch学习0.先验概率后验概率：1.函数2.python对比jupter3.pytorch读取数据4.tensorboard6.transform常用函数7.dataloader8.神经网络9.网络模型的训练-加载10.使用GPU训练11..eval()和torch.no_grad()区别1.pytorch一、安装路径：D:\SoftwareT

echoliuy·2023-01-20 10:55

pytorch学习笔记-Dataset类代码实战

本人在b站上学习PyTorch深度学习快速入门教程以及python学习中所做的笔记，教程链接在末尾。准备工作：蜜蜂蚂蚁数据集：https://download.pytorch.org/tutorial/hymenoptera_data.zip把要制作的数据集移动到当前项目中：右键点击图片，选择复制路径，上面的absolute是绝对路径，下面pathfromcontentroot是相对路径。在一个工

ThreeS_tones·2023-01-20 10:52

pytorch学习笔记-tensorboard使用

tensorboard的使用（一）SummaryWriter类中.add_scalar()方法的使用（可按住Ctrl点击add_scalar查看该方法的功能）。先用pip安装tensorboard，执行如下命令，画一个y=2x的图像。fromtorch.utils.tensorboardimportSummaryWriterwriter=SummaryWriter("logs")foriinran

ThreeS_tones·2023-01-20 10:52

Pytorch学习笔记（9）———基本的层layers

卷积神经网络常见的层类型名称作用Conv卷积层提取特征ReLU激活层激活Pool池化——BatchNorm批量归一化——Linear(FullConnect)全连接层——Dropout————ConvTranspose反卷积——pytorch中各种层的用法卷积Convolution卷积类型作用torrch.nn.Conv1d一维卷积torch.nn.Conv2d二维卷积torch.nn.Conv3

永不言弃的小颖子·2023-01-19 18:13

Pytorch学习笔记_1

Pytorch学习笔记张量的创建与运算torch.chunk(input,chunks,dim=0)→listoftensor(只能均分)>>>importtorch>>>b=torch.rand([3,2

野比大雄灬·2023-01-19 15:28

pytorch学习笔记

pytorch的神经网络模板。item可以把tensor数据类型转化为普通的数字。保存模型的。pth这里是可以自定义的，一般保为pth小配件：准确率1代表的是纵向的。使用gpu进行训练——在数据，模型，损失函数上+cuda即可第二种使用gpu的方法

Louisejin·2023-01-19 10:43

莫烦pytorch学习笔记4

莫烦pytorch学习笔记41卷积网络2循环神经网络RNN,LSTM,GRU2.1RNN2.2LSTM2.3RNN分类例子2.4RNN回归例子2.5logistic回归1卷积网络理论：https://blog.csdn.net

dayday学习·2023-01-19 08:48

Pytorch学习笔记-梯度与反向传播

梯度与反向传播PyTorch提供的autograd包能够根据输入和前向传播过程自动构建计算图，并执行反向传播Tensor是这个包的核心类，如果将其属性.requires_grad设置为True，它将开始追踪(track)在其上的所有操作（这样就可以利用链式法则进行梯度传播了）。完成计算后，可以调用.backward()来完成所有梯度计算。此Tensor的梯度将累积到.grad属性中。在y.back

Dexter_Sun1·2023-01-19 06:10

（十三）pytorch学习笔记---内容为学习资源摘录整合の保存模型，Sequential 和 Module

一、多层神经网络，Sequential和Module通过前面的章节，我们了解到了机器学习领域中最常见的两个模型，线性回归模型和Logistic回归模型，他们分别是处理机器学习中最常见的两类问题-回归问题和分类问题。下面我们会讲第一个深度学习的模型，多层神经网络。多层神经网络左边是一张神经元的图片，神经元通过突触接受输入，然后通过神经激活的方式传输给后面的神经元。这对比于右边的神经网络，首先接受数据

weixin_40245436·2023-01-18 17:39

Pytorch学习笔记5：Logistic回归(分类问题)

分类问题之前举例中学习时间与学习成绩的问题，是回归问题，也就是输入和输出数值之间的关系x(hours)y(points)1224364?但是如果经y的值标记为是否合格，此问题将变成一个二分类问题：x(hours)y(passorfail)1fail(0)2fail(0)3pass(1)4?实际上是计算在4工时下是否合格的概率，即对概率的计算与比较，而非类别之间的数值比较。逻辑回归：二分类问题是非0

岳戴·2023-01-18 17:32

PyTorch学习笔记（7）网络模型的使用与修改

本文使用pytorch自带的网络模型，并略作修改，使它能够适应其它的数据集。文章目录下载修改模型模型的保存与读取下载这里以vgg16为例子。pretrained=True表示下载已经训练好的模型，即包含相关参数，progress=True表示显示进度条。importtorchvisionfromtorchimportnn#vgg16_false=torchvision.models.vgg16(p

游星凌·2023-01-17 22:41

Pytorch学习笔记：加载预训练模型

文章目录前言摘要：1.加载模型2.修改加载模型3.加载预训练模型4.保存模型回顾总结前言torchvision是官方经常需要的包，包括：torchvision.datasets：预定义的训练集（比如MNIST、CIFAR10等）;torchvision.models：包含预定义好的经典网络结构（比如AlexNet、VGG、ResNet等）,torchvision.transforms：数据增强的方

豆爸OS·2023-01-17 22:40

PyTorch学习笔记（13）--现有网络模型的使用及修改

PyTorch学习笔记（13）–现有网络模型的使用及修改本博文是PyTorch的学习笔记，第13次内容记录，主要介绍如何使用现有的神经网络模型，如何修改现有的网络模型。

我这一次·2023-01-17 22:10

PyTorch学习笔记（12）--神经网络优化器

PyTorch学习笔记（12）–神经网络优化器本博文是PyTorch的学习笔记，第12次内容记录，主要是在上一篇文章中提到的损失函数的基础上，研究神经网络优化器的使用方法。

我这一次·2023-01-17 22:39

【小土堆】Pytorch学习笔记_P25/26_网络模型使用、修改、存取

（0）摘要#课程链接PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】_哔哩哔哩_bilibili#笔记内容（1）P25_现有网络模型的使用及修改（2）P26_网络模型的保存与读取（1）现有网络模型的使用及修改#（1）现有模型的的使用。1）pytorch的torchvision文档中，给我们提供了较为有用的预训练模型。现在更新在左侧栏的Modelsandpre-trainedweigh

惜年_night·2023-01-17 22:36

Pytorch学习笔记（4）———自定义数据集

在训练深度学习模型之前，样本集的制作非常重要。在pytorch中，提供了一些接口和类，方便我们定义自己的数据集合，下面完整的试验自定义样本集的整个流程。实验过程1.收集图像样本以简单的猫狗二分类为例，可以在网上下载一些猫狗图片。创建以下目录：data-------------根目录data/test-------测试集data/train------训练集data/val--------验证集在t

永不言弃的小颖子·2023-01-17 12:12

Pytorch学习笔记 Task2.2 pytorch实现线性回归

线性回归能够用一个直线较为精准的描述数据之间的关系。当新的数据出现的时候，就能够预测出一个简单的值。1pytorch实现线性回归fromtorch.autogradimportVariablefromtorch.utils.dataimportTensorDataset,DataLoader"""PytorchDataset/TensorDataset和Dataloaderhttps://www.

甲壳剑齿鸟·2023-01-17 08:58

Pytorch学习笔记之通过numpy实现线性拟合

通过使用numpy库编写简单的GradientDescent数据位于附件之中importtorchfromtorchimportautogradimportnumpyasnpimportmatplotlib.pyplotasplt'''torch关于求导的简单运用'''#x=torch.tensor(1.)#a=torch.tensor(1.,requires_grad=True)#b=torch

想当厨子的半吊子程序员·2023-01-17 07:55

Pytorch学习笔记（四）线性回归实现

代码来自深度之眼课程。用Pytorch搭建神经网络方式实现线性回归模型，线性变换+激活函数=全连接。@author:tingsongyuimporttorchimportmatplotlib.pyplotasplttorch.manual_seed(10)lr=0.05#学习率#创建训练数据x=torch.rand(20,1)*10#xdata(tensor),shape=(20,1)y=2*x+

xinxihu·2023-01-17 07:51

PyTorch学习笔记一：用PyTorch实现线性回归

pytorch实现线性回归模型使用pytorch框架实现线性回归一共分为四步一、Preparedataset（准备数据集）二、DesignmodelusingClass（使用类设计模型）三、ConstructLossandOptimizer（构造损失函数和优化器）四、TrainingCycle（训练循环）一、Preparedataset（准备数据集）这里本文使用了一个最简单的线性模型我们假设x的值

思无邪xjq·2023-01-16 11:21

【Pytorch学习笔记】002--线性模型

1.深度学习准备过程DataSet(数据集)、Model(选择模型)、Training(模型训练)、infering(进行推理预测)2.数据集分类训练集测试集验证集(开发集)：测试集的标准答案一般是不知道的，因此训练之后的模型对具体问题的适配程度并不可知。如果利用训练集来进行验证，会出现“自己考自己”这样的情况，容易过拟合。为了提升泛化能力，将训练集分成训练集和验证集（ValidationSet）

沉潜于·2023-01-16 10:51

PyTorch学习笔记（4）卷积、池化、非线性激活

文章目录基本骨架卷积操作卷积层Conv2d介绍什么是输入通道？代码案例池化层MaxPool2d介绍代码案例实际应用非线性激活ReLUSigmoid代码案例线性层参考基本骨架只需要继承Module类，再实现相应的方法即可。这里实现了一个极简的神经网络，即对输入值加一再输出。fromtorchimportnnimporttorch#一个简单的神经网络classTest(nn.Module):def__

游星凌·2023-01-15 07:03

PyTorch学习笔记（7）--神经网络：池化层

PyTorch学习笔记（7）–神经网络：池化层本博文是PyTorch的学习笔记，第7次内容记录，主要介绍神经网络池化层的基本使用。

我这一次·2023-01-15 07:33

pytorch学习笔记-----卷积，池化参数计算

卷积神经网络构建一般卷积层，relu层，池化层写成一个模块importtorch.nnasnnclassCNN(nn.Module):def__init__(self):super(CNN,self).__init__()self.conv1=nn.Sequential(nn.Conv2d(in_channels=1,#输入通道数1（灰度图）out_channels=16,#输出通道数kernel

cvks·2023-01-15 07:29

pytorch学习笔记—池化层

importtorchvisionfromtensorboardXimportSummaryWriterfromtorchimportnnfromtorch.utils.dataimportDataLoaderfromtorchvisionimporttransformsimporttorchtest_set=torchvision.datasets.CIFAR10("./datasets2",t

完◎笑·2023-01-15 07:58

pytorch学习笔记七：nn网络层——池化层、线性层

一、池化层池化运算：对信号进行“收集”并“总结”，类似于水池收集水资源，因而得名池化层。收集：由多变少，图像的尺寸由大变小总结：最大值/平均值下面是最大值池化和平均值池化的示意图：最大值池化就是将滑动窗口中的最大值作为最终的结果；平均值池化是将滑动窗口的平均值作为最终结果。下面看一下pytorch中提供最大值和平均值池化的函数1、nn.Maxpool2dnn.MaxPool2d(kernel_si

Dear_林·2023-01-15 07:23

Pytorch学习笔记（十一）——pytorch自定义数据集

一、为什么要使用Datasets类Datasets是pytorch的一个类，pytorch自带多种数据集，如：MINIST等数据集就是在pytorch的Datasets的库中的。Pytorch中有工具函数torch.utils.Data.DataLoader，通过这个函数我们在准备加载数据集使用mini-batch的时候可以使用多线程并行处理，这样可以加快我们准备数据集的速度。Datasets就是

酒与花生米·2023-01-13 15:20

Pytorch学习笔记(8)——在序列标注等多维数据上如何使用交叉熵

最近遇到个新的问题，要对序列标注任务使用交叉熵获得损失，由于没有在网上查找到相关资料，所以就自己整理了一份如何调库的方法。对于文本分类等任务而言，其模型输出的数据格式为(batch_size,num_classes)(batch\_size,num\_classes)(batch_size,num_classes)，这类方法采用Pytorch的交叉熵很简单，代码如下：importtorchimpo

野指针小李·2023-01-12 10:23

pytorch学习笔记--tensorboard和transform的使用

tensorboard和transform的使用一、tensorboard二、transform的使用本文为学习笔记，感谢PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】一、tensorboardtensorboard是一种可视化工具，可以但不仅限于图片显示和函数显示。一般是fromtorch.utils.tensorboardimportSummaryWriter，但是如果tens

Tony·2023-01-12 08:55

Pytorch学习笔记（二）---tensorboard

本篇自学笔记来自于b站《PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】》，Up主讲的非常通俗易懂，文章下方有视频连接，如有需要可移步up主讲解视频，如有侵权，实非故意，深表歉意，请与我联系，删除相关内容！首先是tensorboard的安装可以在pytorch下方选择Terminal然后执行下述语句，即可安装成功pipinstalltensorboard然后是引入该packageaf

橘春十三99·2023-01-12 08:24

pytorch学习笔记（三）——tensorboard使用

目录1.Tensorboard介绍2.安装tensorboard3.torch.utils.tensorboard涉及的几个函数1.add_scalar()画曲线图2.add_image()加图片4.遇到的问题cannotimportSummaryWriter1.Tensorboard介绍TensorBoard是一个可视化工具，它可以用来展示网络图、张量的指标变化、张量的分布情况等。特别是在训练网

M762B·2023-01-12 08:49

计算机视觉学习笔记（四）---卷积神经网络之手写数字识别

文章目录前言一、读入数据进行数据预处理二、搭建网络前言本文承接pytorch学习笔记（三），以波士顿房价预测为例演示利用pytorch搭建一个简单的传统神经网络一、读入数据进行数据预处理数据集为

远山0128·2023-01-12 01:30

pytorch学习笔记之pytorch基础一（基本数据类型、创建Tensor）

pytorch基础一基本数据类型数据类型类型检验维度（dimension）0维1维2维3维4维创建Tensornp转换torch.empty()torch.tensor()/torch.Tensor()torch.set_default_tensor_type()torch.full([a,b],c)torch.randn()/torch.normal()arange/rangetorch.lin

ljc_coder·2023-01-11 11:13

Pytorch学习笔记-权重衰减

虽然增大训练数据集可能会减轻过拟合，但是获取额外的训练数据往往代价高昂。应对过拟合问题的常用方法：权重衰减（weightdecay）。方法权重衰减等价于L2L_2L2范数正则化（regularization）。正则化通过为模型损失函数添加惩罚项使学出的模型参数值较小，是应对过拟合的常用手段。首先描述L2L_2L2范数正则化，再解释它为何又称权重衰减。L2L_2L2范数正则化在模型原损失函数基础上添

Dexter_Sun1·2023-01-10 17:11

【Pytorch学习笔记十一】卷积神经网络（CNN）详细介绍（组成、常见网络模型）

文章目录1.为什么要使用卷积神经网络2.卷积神经网络的结构组成2.1卷积层1.卷积计算过程2.卷积计算过程中的参数4.多通道卷积计算过程2.2其它层1.池化层（pooling）2.dropout层3.全连接层（FC）3.经典的网络模型介绍3.1LeNet-53.2AlexNet3.3VGG3.4GoogLeNet(Inception)3.5ResNet4.网络选择卷积神经网络由一个或多个卷积层和顶

QHCV·2023-01-10 02:27

Pytorch学习笔记12----基于卷积神经网络的 CIFAR10 识别

CIFAR10是由Hinton的两个大弟子AlexKrizhevsky、IlyaSutskever收集的一个用于普适物体识别的数据集。本文将利用PyTorch建立一个卷积神经网络模型对CIFAR10中的数据集进行分类和识别。基于卷积神经网络的CIFAR10识别0.数据集介绍1.导入功能包2.下载数据集3.制作训练集和测试集4.查看图片5.建立卷积神经网络6.建立卷积神经网络7.开始训练8.保存

AI Chen·2023-01-10 02:57

【Pytorch学习笔记五】数据预处理自定义torchvision.transforms图片操作方法对图片随机添加黑白噪声并展示结果（实践）

使用自定义transforms对图片每个像素位置随机添加黑白噪声并展示结果，具体看下面的代码，只需修改图片路径即可运行。#-*-coding:utf-8-*-importosimportnumpyasnpimporttorchimportrandomimportmathimporttorchvision.transformsastransformsfromPILimportImagefrommat

QHCV·2023-01-09 15:13

01线性模型

参考：http://biranda.top/Pytorch学习笔记003——线性模型/#问题引入扩展1.数据集划分：训练集、验证集、测试集2.出现过拟合的原因训练集的数量集小于模型的复杂度训练集和测试集特征分布不一致噪音数据干扰过大权值学习迭代次数足够多拟合了训练数据中的噪声和训练样例中没有代表性的特征

Cyanide11·2023-01-09 14:19

02梯度下降

参考：http://biranda.top/Pytorch学习笔记004——梯度下降算法/#随机梯度下降补充：五折交叉验证如下右图，在不同的训练集和测试集划分方法下，testMSE的变动是很大的，而且对应的最优

Cyanide11·2023-01-09 14:17

pytorch学习笔记（十三）————过拟合&欠拟合

pytorch学习笔记（十三）————过拟合&欠拟合目录理想化情况真实情况模型学习能力欠拟合与过拟合总结目录理想化情况1.场景一：线性模型——房价预测横坐标是房屋面积，纵坐标是房屋价格。

南风渐起·2023-01-08 11:00

【PyTorch学习笔记】8.对抗生成网络

文章目录52.GAN简介53.画家的成长历程54.纳什均衡54.1纳什均衡-D54.2纳什均衡-G55.JS散度的弊端56.EM距离57.WGAN与WGAN-GP58.实战58.1GAN58.2WGAN根据龙良曲Pytorch学习视频整理，视频链接：【计算机-AI】PyTorch学这个就够了！(好课推荐)深度学习与PyTorch入门实战——主讲人龙良曲52.GAN简介生成式对抗网络(Generat

贪钱算法还我头发·2023-01-08 11:54

Pytorch学习笔记(三):nn.BatchNorm2d()函数详解

ZZY_dl·2023-01-07 09:04

推荐频道

Pytorch学习笔记