Pytorch学习

PyTorch学习笔记（三）总结篇 --------自建数据集的载入

前言经过这几天学习，我算是把数据集这一块给摸清楚了，前面分布分支的学习总是有点模棱两可，不清楚这步到底要干啥，在网上找资料学习时，总是拿的pytorch官网给的数据集，没有针对性和专一性。这里教大家如何使用咱们自己的数据集，当然，在做实验时数据集是通过爬虫来获取的，关于爬虫的相关知识可以留言私信，或者看我第一篇博客哦一、MyData类的定义在自建数据集时需要自己去定义一个dataset类来继承to
清忖灬·2022-12-02 18:09

PyTorch学习笔记（六）总结篇 -------完整机器学习（以VGG16为例）

新年伊始，想着pytorch的笔记也该写一个完结篇，以此来纪念前一段时间对pytorch的学习神经网络的搭建大同小异，一层卷积一层池化一层非线性激活诸如此类。重点还是在于对数据集的把握一个完整的项目离不开自建数据集这个环节，这就需要对Dataset进行重写classMyData(Dataset):def__init__(self,root_dir,mode_dir,label_dir,transf
清忖灬·2022-12-02 18:34

【Pytorch】学习笔记（训练代码框架）

Pytorch学习笔记在Pytorch中，Tensor是包含data和grad两个部分的，data放的是真实的数据，而grad中保存的是计算产生的梯度用于反向传播更新参数使用由loss.backward
Chaossll·2022-12-02 05:40

pytorch学习笔记-使用pytorch实现 AlexNet

使用pytorch实现AlexNet网络闲话少说，直接上代码！额…算了。还是过一下AlexNet网络吧，辉煌历史就不再赘述，从别的博主那里（忘记哪个博主了，不好意思哈，应该引用的）偷来了张图，直接上图。这里面参数什么的都有，像一个呆瓜直接照着敲就完了！classAlexNet(nn.Module):def__init__(self):super(AlexNet,self).__init__()se
光头小黑·2022-12-02 05:09

pytorch学习笔记-基础-数据的加载和预处理

PyTorch基础:数据的加载和预处理PyTorch通过torch.utils.data对一般常用的数据加载进行了封装，可以很容易地实现多线程数据预读和批量加载。并且torchvision已经预先实现了常用图像数据集，包括前面使用过的CIFAR-10，ImageNet、COCO、MNIST、LSUN等数据集，可通过torchvision.datasets方便的调用importtorchtorch.
wenqiang su·2022-12-02 02:18

add函数 pytorch_pytorch学习笔记[1]

本笔记主要学习的是《深度学习框架PyTorch：入门与实践》本节的笔记是学习文件组织架构模型定义数据处理和加载训练模型(Train&Validate)训练过程的可视化测试(Test/Inference)另外程序还应该满足以下几个要求：模型需具有高度可配置性，便于修改参数、修改模型，反复实验代码应具有良好的组织结构，使人一目了然代码应具有良好的说明，使其他人能够理解首先来看程序文件的组织结构：├──
weixin_39898733·2022-12-02 02:47

PyTorch学习笔记-8.PyTorch深度体验

8.PyTorch深度体验8.1.图像分类预测模型如何完成图像分类？将图像转换为tensor-->模型-->输出向量-->取向量的最大值作为预测结果代码基本步骤：1.获取数据与模型2.数据变换，如RGB→4D-Tensor3.前向传播4.输出保存预测结果注意事项：1.确保model处于eval状态而非training2.设置torch.no_grad()，减少内存消耗3.数据预处理需保持一致，RG
ruoqi23·2022-12-02 02:46

PyTorch学习笔记-5.PyTorch可视化

5.PyTorch可视化5.1.TensorBoard安装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。特别是在训练网络的时候，我们可以设置不同的参数（比如：权重W、偏置B、卷积层数、全连接层数等），使用TensorBoader可以很直观的帮我们进行参数的选择。TensorBoard的执行流程为：1.通过python脚本，记录可视化的数据2.运行代
ruoqi23·2022-12-02 02:46

PyTorch学习之Data和DataLoader模块

以下内容全部来自DATASETS&DATALOADERSⅠ.DATASETS&DATALOADERS介绍一般情况来说，在处理数据样本的代码可能会变得很混乱，难以管理，需要把数据代码和训练代码进行分离，让代码获得更好的可读性和模块化。在PyTorch中，提供了两个数据处理单元，torch.utils.data.DataLoader和torch.utils.data.Datasets帮助我们处理自己的
aW5jaXBl·2022-12-01 22:41

pytorch学习（一）Dataset

Dataset类：pytorch读取图片，主要通过Dataset类。Dataset类作为所有datasets的基类，所有的datasets都要继承它。码源：classDataset(object):"""AnabstractclassrepresentingaDatasetAllotherdatasetsshouldsubclassit.Allsubclassesshouldoverride``_
碧寒·2022-12-01 22:39

Pytorch学习笔记（一）

目录#Pytorch加载数据#read_data.py#rename_dataset.py#test_tensorboard.py#test_transform.py#dataset_transform.py#test_dataloader.py#Pytorch加载数据#读取数据涉及两个类：Dataset和DataLoaderDataset提供一种方式去获取数据及其对应的真实label值;Data
Hygge0+·2022-12-01 19:01

Pytorch学习笔记：自定义数据集

文章目录前言1.torch.utils.data.Dataset介绍2.实例a.准备数据集b.复写Datasetc.DataLoader加载总结前言初学Pytorch时，数据集直接使用torchvision.datasets调用，然后直接使用torch.untils.data.DataLoader加载。在实际项目中，我们怎么自定义数据集呢？1.torch.utils.data.Dataset介绍`
豆爸OS·2022-12-01 19:29

Pytorch学习笔记-①初学者对一些基本问题的答疑

【Pytorch学习笔记-epochs,iterations，batch_size解释】传送门【https://zhuanlan.zhihu.com/p/362536902】Q2：batchsize与LR
紧到长不胖·2022-12-01 19:58

pytorch学习笔记1

pytorch学习笔记1开始学习Pytorch了，参考了网上大神的博客以及《深度学习之Pytorch实战计算机视觉》记录学习过程，欢迎各位交流。
RickyGuo00·2022-12-01 19:21

PyTorch学习（7）-Seq2Seq与 Attention

Seq2Seq与AttentionimportosimportsysimportmathfromcollectionsimportCounterimportnumpyasnpimportrandomimporttorchimporttorch.nnasnnimporttorch.nn.functionalasFimportnltk读入中英文数据英文我们使用nltk的wordtokenizer来分词
lewjin·2022-12-01 17:33

Pytorch学习笔记——Tensor操作的基本语法

一、什么是PytorchPytorch是一个基于Numpy的科学计算包,向它的使用者提供了两大功能：1.作为Numpy的替代者,向用户提供使用GPU强大功能的能力。2.做为一款深度学习的平台,向用户提供最大的灵活性和速度。二、Pytorch的基本元素操作Tensors张量:张量的概念类似于Numpy中的ndarray数据结构，最大的区别在于Tensor可以利用GPU的加速功能。#使用Pytorch
岳野·2022-12-01 15:19

pytorch学习笔记——requires_grad和volatile

本片博文主要是对http://pytorch.org/docs/notes/autograd.html的部分翻译以及自己的理解，如有错误，欢迎指正！Backward过程中排除子图pytorch的BP过程是由一个函数决定的，loss.backward()，可以看到backward()函数里并没有传要求谁的梯度。那么我们可以大胆猜测，在BP的过程中，pytorch是将所有影响loss的Variable
Xs_55555·2022-12-01 14:35

Pytorch学习笔记【自用】

1、torch.mul(a,b)是矩阵a和b对应位相乘，a和b的维度必须相等，比如a的维度是(1,2)，b的维度是(1,2)，返回的仍是(1,2)的矩阵；2、torch.mm(a,b)是矩阵a和b矩阵相乘，比如a的维度是(1,2)，b的维度是(2,3)，返回的就是(1,3)的矩阵。3torch.nn.Parameter这个属于在神经网络中可训练参数矩阵的初始化中使用。表示整个矩阵融入模型中并且随着
贫道备胎子·2022-12-01 08:45

pytorch神经网络因素预测_【pytorch】学习笔记（四）-搭建神经网络进行关系拟合...

【pytorch学习笔记】-搭建神经网络进行关系拟合目标1.创建一些围绕y=x^2+噪声这个函数的散点2.用神经网络模型来建立一个可以代表他们关系的线条建立数据集importtorchfromtorch.autogradimportVariableimporttorch.nn.functionalasFimportmatplotlib.pyplotaspltx
weixin_39903538·2022-12-01 08:43

Pytorch学习笔记（三）自用

DEEPLEARNINGWITHPYTORCH:A60MINUTEBLITZ2.莫烦python个人网站、b站视频、参考代码3.函数搜索：https://pytorch.org/docs/stable/index.html系列学习笔记：Pytorch
YY_oot·2022-12-01 08:37

pytorch学习笔记——loss.backward()、optimizer.step()、scheduler.step()

loss.backward()进行反向传播求出梯度optimizer进行参数管理与更新，所以optimizer放在backward后面用求出的梯度进行参数更行，记住step之前要进行optimizer.zero_grad()，否则用的梯度包含上一个batch的，相当于batch_size为之前的两倍，所以optimizer.step()是用在batch里的scheduler.step()是用来更新
phily123·2022-12-01 08:04

Pytorch学习笔记

读取图像的几种方式fromPILimportImageimportnumpyasnpI=Image.open('C:/Users/Yafex/Desktop/trump.jpg')I=np.array(I)print(I)print('------------------------------------------')importmatplotlib.pyplotaspltimportmatp
喝饱水没烦恼·2022-12-01 07:12

【实习记录】pytorch学习（持续更新）

1-珍爱生命，远离tensorflow今天学习pytorch的使用，参考Pytorch深度学习：60分钟快速入门、PyTorch中关于backward、grad、autograd的计算原理的深度剖析，PyTorch中的nn.Conv1d与nn.Conv2d等文章。一、pytorch安装以及在pycharm中使用pytorch首先确定自己的显卡型号，右键点击开始，打开设备管理器，看看你的显卡。根据显
电光黄皮耗子·2022-12-01 07:22

pytorch学习笔记——Sequential的使用和Flatten和flatten的区别

注意事项：1.Sequential可以简化编程，不需要一个卷积层或者一个池化层就创建一个对象。在forward里面也不需要一个一个对象进行调用。classnn_seq(nn.Module):def__init__(self)->None:super().__init__()self.model=Sequential(#使用sequential的好处不需要将方法一个一个拿出来nn.Conv2d(3,
完◎笑·2022-12-01 04:19

PyTorch学习笔记（4）--DataLoader的使用

PyTorch学习笔记（4）–DataLoader的使用    本博文是PyTorch的学习笔记，第4次内容记录，主要介绍DataLoader的基本使用。
我这一次·2022-11-30 23:10

pytorch学习笔记——2.2张量（上）

一、张量的数据类型：在torch中张量默认的数据类型是32位浮点型（即torch.FloatTensor)，但是我们可以使用torch.set_default_tensor_type()函数来更改默认的数据类型（虽然如此，但数据类型仍必须是float）。下面我们查看张量的数据类型：torch.tensor([1.2,3.4]).dtype结果为：（说明torch中张量默认的数据类型是32位浮点型）
学不来我就死·2022-11-30 22:45

pytorch学习笔记——3.4防止过拟合的办法

前言：过拟合是由于模型过于精确的匹配了特定的训练数据集，导致模型不能良好的拟合其他数据或预测未来的结果，我们可以通过一些手段来防止过拟合。一、过拟合的概念：深度学习的过拟合通常是知针对设计好的深度学习网络，在使用训练数据集训练的时候可以获得很高的识别精度或很低的误差，但是在对测试集进行预测时，预测效果不理想。正如上图所示，虽然过拟合模型对于训练集可以做到极其准确，但是在预测全新的测试数据会有很高的
学不来我就死·2022-11-30 22:45

pytorch学习笔记——batch生成器

背景深度学习的训练数据往往很多，如果一次性训练所有的数据，不但会导致时间过长，而且训练次数不够，参数也不能得到很好的迭代。为此，将训练数据分成小的batch，一次batch迭代就可以完成一次参数更新，大大提高了训练速度。Pytorch中有现成的batch生成器，但是为了底层原理的理解，最好自己能够写出这样的代码，就先从能看懂现成代码开始吧。batch生成器函数defdata_iter(batch_
Scarletteocat·2022-11-30 22:37

pytorch学习笔记——（一）pytorch简介与基础知识

文章目录文章目录前言一、pytorch简介二、pytorch安装1.安装Anaconda2.安装pytorch三、pytorch基础知识1.张量2.创建tensor3.张量的操作1.加法2.索引操作总结前言本文记录了一些pytorch
孙同学.·2022-11-30 22:37

Pytorch学习笔记——kaiming_uniform初始化

文章目录前言kaiming_uniform模型定义参数说明官方文档1.leaky_relu函数图像计算公式LeakyReLU模型定义参数说明Pytorch代码示例2.a参数前言在Pytorch的Linear层实现代码中，使用了kaiming均匀初始化，调用代码如下。init.kaiming_uniform_(self.weight,a=math.sqrt(5))本文是学习这个初始化方法的笔记。ka
coder1479·2022-11-30 22:05

Pytorch学习笔记——Linear模型源码学习

文章目录前言源码解读常量声明和类型提示初始化方法关于Parameter的讨论前言线性模型是最基本的模型，但包含了很多知识点，本文通过阅读pytorch的源码学习Linear层的构造和实现。源码解读常量声明和类型提示classLinear(Module):__constants__=['in_features','out_features']in_features:intout_features:i
coder1479·2022-11-30 22:35

pytorch学习笔记——常用函数

torch.softmax()torch.reduce_max()torch.pow()torch.subtrack()torch.gather()torch.log()
phily123·2022-11-30 22:29

基于PyTorch的深度学习--PyTorch 数据集和数据加载器

本篇文章是翻译：https://deeplizard.com网站中的关于Pytorch学习的文章，供学习使用。
三哥_DH·2022-11-30 19:02

【torch安装踩雷】torchtext、torch、anaconda安装问题解决

最近因为寒假即将结束，也要继续毕设的工作了，但是在回归pytorch学习的时候，遇到很大问题，烦了我挺长一段时间，终于解决。
QinZheng7575·2022-11-30 19:24

pytorch学习笔记-入门-定义网络

%matplotlibUsingmatplotlibbackend:TkAgg神经网络的典型训练过程如下：1：定义包含一些参数（或者权重）的神经网络模型2：在数据集上迭代，3：通过神经网络处理输入4：计算损失，输出值和正确值的插值大小5：将梯度反向传播会回网络的参数6：更新网络的参数，主要使用如下的更新原则：weight=weight-learning_rate*gradient定义网络impor
wenqiang su·2022-11-30 18:01

Pytorch学习笔记【8】---经典MNIST

Pytorch学习笔记【8】—经典MNISTPytorch笔记目录：点击进入文章目录Pytorch学习笔记【8】---经典MNIST1.网络结构2.代码3.API分析torch.utils.data.DataLoader
AndSonder·2022-11-30 17:55

【Pytorch学习笔记】记录L1Loss实现附源码

文章目录前言一、实现步骤1.引入库2.读生成网络输出以及目标输出3.设置三种不同参数的L1Loss总结前言本章节简单介绍实现L1Loss的方法及源码，仅供学习参考！一、实现步骤1.引入库代码如下（示例）：#coding:utf-8importtorchimporttorch.nnasnn2.读生成网络输出以及目标输出代码如下（示例）：output=torch.ones(2,2,requires_g
秋天的波·2022-11-30 17:54

【Pytorch学习笔记】finetune一个cnn网络实现详细步骤

文章目录前言一、预处理1.引入库2.定义分类类别二、加载数据数据预处理设置构建MyDataset实例构建DataLoder三、定义网络四、定义损失函数和优化器五、训练六、绘制混淆矩阵图七、完整代码如下总结前言finetune一个cnn网络实现详细步骤，分为以下7步。提示：以下是本篇文章正文内容，下面案例可供参考一、预处理1.引入库代码如下（示例）：importtorchfromtorch.util
秋天的波·2022-11-30 17:53

【Pytorch学习笔记】 MSELoss使用案例

文章目录前言案例代码1.引入库2.生成网络输出以及目标输出3.设置三种不同参数的MSELoss4.完整代码总结前言MSELoss损失函数又称为“均方损失函数”，本文将使用该损失函数完成计算。提示：以下是本篇文章正文内容，下面案例可供参考案例代码1.引入库代码如下（示例）：importtorchimporttorch.nnasnn2.生成网络输出以及目标输出代码如下（示例）：output=torch
秋天的波·2022-11-30 17:46

【Pytorch学习笔记】交叉熵损失函数CrossEntropyLoss的案例使用

文章目录前言一、案例代码1.引入库2.生成网络输出以及目标输出3.熟悉计算公式，手动计算第一个样本4.交叉熵损失权重5.CrossEntropyloss:ignore_index二、完整代码总结前言分类问题常用的损失函数为交叉熵（CrossEntropyLoss）。交叉熵描述了两个概率分布之间的距离，交叉熵越小说明两者之间越接近。熵是信息量的期望值，它是一个随机变量的确定性的度量。熵越大，变量的取
秋天的波·2022-11-30 17:46

Pytorch学习笔记（3）线性回归从零开始实现

主要包括以下几个部分：构建数据集，读数据集，初始化参数，定义模型，定义损失函数，定义优化算法，训练模型。1.构建数据集构建一个带有噪声的线性模型的1000个样本的数据集，每个样本从标准正态分布中随机采样2个特征我们使用线性模型参数w=[2,−3.4]⊤、b=4.2和噪声项ϵ生成数据集及其标签：y=X*w+b+ϵ.首先引入库importrandomimporttorchdefcreate_data(
小帅吖·2022-11-30 14:10

pytorch学习 中 torch.squeeze() 和torch.unsqueeze()的区别与用法

1.torch.unsqueeze详解torch.unsqueeze(input,dim,out=None)torch.unsqueeze()这个函数主要是对数据维度进行扩充。给指定位置加上维数为一的维度，比如原本有个三行的数据（3），在0的位置加了一维就变成一行三列（1,3）。a.squeeze(N)就是在a中指定位置N加上一个维数为1的维度。还有一种形式就是b=torch.squeeze(a，
白羊是小白·2022-11-30 13:02

pytorch学习 中 torch.squeeze() 维度进行压缩和torch.unsqueeze()维度进行扩充的用法

torch.squeeze()这个函数主要对数据的维度进行压缩，去掉维数为1的的维度，比如是一行或者一列这种，一个一行三列（1,3）的数去掉第一个维数为一的维度之后就变成（3）行。squeeze(a)就是将a中所有为1的维度删掉。不为1的维度没有影响。a.squeeze(N)就是去掉a中指定的维数为一的维度。还有一种形式就是b=torch.squeeze(a，N)a中去掉指定的定的维数为一的维度。
CV-杨帆·2022-11-30 13:52

PyTorch学习（九）--Softmax Classifier

传送门：SoftmaxClassifier说明：1、softmax的输入不需要再做非线性变换，也就是说softmax之前不再需要激活函数(relu)。softmax两个作用，如果在进行softmax前的input有负数，通过指数变换，得到正数。所有类的概率求和为1。2、y的标签编码方式是one-hot。我对one-hot的理解是只有一位是1，其他位为0。3、多分类问题，标签y的类型是LongTen
just kidding°·2022-11-30 12:29

pytorch学习笔记（二）——pytorch手写数字识别

手写数字识别原理每张照片用长28宽28个像元的灰度信息表示将28*28[28,28]的矩阵打平(flat)成784个像素[784]，则可以忽略二维位置相关性，再插入一个维度变成[1,784]使用三个线性函数y=wx+b的嵌套来解决手写数字识别问题H1=XW1+b1W1:[d1,dx],b1:[d1]H2=H1W2+b2W2:[d2,d1],b2:[d2]H3=H2W3+b3W3:[d3,d2],b
weixin_46753186·2022-11-30 11:19

Pytorch学习笔记（3）:前馈神经网络

本博客基于github上某位大神的pytorch入门学习代码，在他的基础上加上了更详细的中文注释以及不懂的模块使用方法。github连接：https://github.com/yunjey/pytorch-tutorial前馈神经网络在运行代码之前，请确保当前环境下已安装torch、torchvision。importtorchimporttorch.nnasnnimporttorchvision
马可仕马可仕·2022-11-30 10:53

pytorch学习笔记——requires_grad、detach、torch.no_grad

requires_grad()requires_grad表示这个tensor是否要求计算梯度，自己新建的tensor(即叶子节点）默认为False,不用计算梯度。如果创建一个张量x，并设置其requires_grad参数为True，程序将会追踪所有对于该张量的操作，当完成计算后通过调用.backward()，自动计算所有的梯度，这个张量的所有梯度将会自动积累到.grad属性。(即如果某个输入需要计
phily123·2022-11-30 10:26

pytorch学习3：张量的加减乘除

一、先介绍乘法，张量的乘法有两种，分别是元素乘法和矩阵乘法，不清楚矩阵乘法的看这个视频（https://www.bilibili.com/video/BV1TJ411s7dk/?spm_id_from=333.788.recommend_more_video.1）一、函数介绍pytorch中两个张量的乘法可以分为两种：（1）两个张量对应元素相乘，在PyTorch中可以通过torch.mul函数（或
淼仔爱学习·2022-11-30 06:51

【Anaconda中打开Jupyter找不到创建的虚拟环境内核】

Anaconda中打开Jupyter找不到创建的虚拟环境内核（强烈推荐up主安装pytorch学习视频！！！小土堆yyds！）
野衅·2022-11-30 04:07

Pytorch学习 -----nn.Sequential(*layers)

文章目录前言一、*变量二、nn.Sequential(*layers)1.源码2.分析总结前言学习Pytorch代码时，遇到了nn.Sequential(*layers)，其中layers为list类型一、*变量作用在形参上，代表这个位置接收任意多个非关键字参数，转化成元组*作用在实参上，代表的是将输入迭代器拆成一个个元素。二、nn.Sequential(*layers)1.源码2.分析nn.Se
沐雪年·2022-11-30 03:56
上一页 12 13 14 15 16 17 18 19 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他