Pytorch学习

pytorch学习笔记（一）---深度学习基础和传统神经网络介绍

文章目录前言一、深度学习的一般流程1.数据获取2.特征工程3.建立模型4.评估应用二、神经网络的整体架构与基本流程1.整体架构2.前向传播3.反向传播三、DROP-OUT总结前言  由于在硕士期间的研究内容是深度学习相关，因此用博客来记录pytorch和神经网络的学习过程，同时也欢迎大家来讨论交流一、深度学习的一般流程1.数据获取  数据获取是整个任务的开始，无论训练什么模型、完成什么样的需求都需
浓眉毛梁·2022-11-24 14:10

【PyTorch学习笔记2】transforms

1简介transforms一个torchvision下的一个工具箱，包含常用的图像预处理方法。主要用于用于图像格式转化，视觉处理工具，不用于文本。包含多个工具类：2常见的transforms代码实战：#-*-coding=utf-8-*-#name:nanchen#date:2022/7/2214:56fromPILimportImagefromtorch.utils.tensorboardimp
机智的小陈今天学习了吗·2022-11-24 13:11

【PyTorch学习笔记1】tensor 张量

文章目录1张量的定义2张量初始化2.1直接生成张量2.2通过numpy数组生成张量2.3通过已有的张量生成新的张量2.4通过指定数组维度来生成张量3张量的属性4张量4.1张量的索引和切片4.2张量的拼接4.2.1torch.cat方法4.2.2torch.stack方法4.2.3torch.cat和torch.stack的区别4.3张量的乘积和矩阵乘法4.4自动赋值运算5Tensor与Numpy的
机智的小陈今天学习了吗·2022-11-24 13:11

【学习记录】Pytorch CNN model

Pytorch学习记录【想法】【资料卡】【pycharm】【神经网络模型】全连接层全局平均池化层【模型训练相关】优化器SGDnn.sequentialnn.Conv2dl【模型融合】nn.ReLU(inplace
Emmchier·2022-11-24 10:56

Pytorch学习（十一）Pytorch中.item()的用法

我第一次接触.item()是在做图像分类任务中，计算loss的时候。total_loss=total_loss+loss.item()1..item()的用法.item()用于在只包含一个元素的tensor中提取值，注意是只包含一个元素，否则的话使用.tolist()x=torch.tensor([1])print(x.item())y=torch.tensor([2,3,4,5])print(y
TEn%·2022-11-24 07:14

pytorch学习：loss为什么要加item()

作者：陈诚链接：https://www.zhihu.com/question/67209417/answer/344752405来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。PyTorch0.4.0版本去掉了Variable，将Variable和Tensor融合起来，可以视Variable为requires_grad=True的Tensor。其动态原理还是不变。在获
dlvector·2022-11-24 07:42

Pytorch学习笔记（二）：Tensorboard的使用

1.Tensorboard的使用add.scalar用法：添加标量数据到summary当中需要添加图表的标题(tag),数值y(scalar_value),训练步数x(global_step)#pipinstalltensorboard#安装tensorboardfromtorch.utils.tensorboardimportSummaryWriterwriter=SummaryWriter("
银河甜弟学DL·2022-11-24 07:48

Pytorch学习笔记(5)——交叉熵报错RuntimeError: 1D target tensor expected, multi-target not supported

当我使用交叉熵做损失函数时，发生了报错：RuntimeError:1Dtargettensorexpected,multi-targetnotsupported我查了相关资料，里面的说法基本都是：输入labels维度应该为1维，且精度不能是Double，必须换成long；对输入标签进行降维。但是却没法解决我的问题，因为我的标签数据在处理好后，用以下代码处理过：torch.LongTensor(la
野指针小李·2022-11-24 06:47

PyTorch：torch.nonzero——非零元素的定位

PyTorch学习笔记：torch.nonzero——非零元素的定位torch.nonzero(input,*,out=None,as_tuple=False)→LongTensorortupleofLongTensors
视觉萌新、·2022-11-24 05:10

【Pytorch学习笔记】MNIST数据集的训练及简单应用（二）

上篇做了简单的介绍以及数据集的训练：请点这里下篇将借助OpenCV试着实际使用一下我们训练的模型首先：对于上篇描述的训练好的模型model，将其保存下来，使用时再加载出来#训练模型forepochinrange(10):#训练10轮train(epoch)#执行训练test()#每轮训练完都测试一下正确率#保存模型path="C:/Users/yas/Desktop/pytorch/MNIST/m
@Dwyanelittle64c·2022-11-24 04:50

pytorch学习笔记（1）——Pytorch 在做什么

Pytorch解决了什么问题机器学习走上风口，男女老少都跃跃欲试。然而调用GPU、求导、卷积还是有一定门槛的。为了降低门槛，Pytorch帮我们搬走了三座大山（Tensorflow等也一样）：让运算能够在GPU上进行（速度可以接受了）让运算能够自动求导（代码更加简单了）让复杂运算能够直接调用（卷积不用自己写了）Pytorch是怎样设计的在相互借（抄）鉴（袭）之后，大部分神经网络库都是这样搞的：封装
永不言弃的小颖子·2022-11-24 01:01

PyTorch学习（二）——使用numpy和PyTorch分别实现梯度下降法

1.梯度下降法介绍梯度下降法简单来说就是一个迭代优化算法，目的是找到函数的局部最小值，该算法与最小二乘法相似，用于求解线性回归问题，但梯度下降的意义在于通过寻找梯度最大的方向下降（或上升），来找到损失函数最小时所对应的参数值。梯度下降法有成熟的推导步骤与求解公式，并且有三种不同的实现类型：参考资料：梯度下降法介绍及python实现①批量梯度下降（BGD）：每次使用全量的训练集样本来更新模型参数，得
微～晨星·2022-11-24 01:29

pytorch学习笔记——torchvision.transforms使用

torchvision.transforms使用torchvision.transforms.ToTensor()torchvision.transforms.Noumalize(mean,std)torchvision.transforms.Resize(size)torchvision.transforms.Compose(transforms)torchvision.transforms.T
冲上云霄！·2022-11-23 20:51

pytorch学习笔记（四）——torchvision.transforms的使用

1.transforms作用torchvision.transforms是pytorch中的图像预处理包，包含了很多种对图像数据进行变换的函数，例如裁剪翻转旋转等操作，这些都是在我们进行图像数据读入步骤中必不可少的。2.transform各功能的用法ToTensor把图片数据转换成tensor数据类型Normalize归一化：Normalize创建实例时要输入均值和标准差，进行归一化操作输入需要是
M762B·2022-11-23 20:19

pytorch学习（二） torchvision.models

torchvision.models包含解决不同任务的模型定义，包括：图像分类、像素语义分割、物体检测、实例分割、人物关键点检测、视频分类和光流。1、关于预训练权重的一般信息TorchVision使用PyTorchtorch.hub为每个提供的架构提供预训练的权重。实例化预训练的模型将下载其权重到缓存目录中。这个目录可以使用TORCH_HOME环境变量来设置。2、初始化预训练的模型从0.13版开始
circoding·2022-11-23 20:47

pytorch学习（一） torchvision.transforms

torchvisiontorchvision包包括流行的数据集、模型架构和计算机视觉的常见图像转换。torchvision.transforms可用于图像变换，多个函数可用Compose将它们串联起。数据类型：PIL图像和张量图像。张量图像是（C，H，W）形状的张量，其中C是通道数，H和W是图像高度和宽度。一批张量图像是一个(B,C,H,W)形状的张量，其中B是该批图像的数量。Compositio
circoding·2022-11-23 20:16

pytorch学习笔记（五）——Tensor索引

Tensor索引dim0开始索引a=torch.rand(4,3,28,28)a[0].shape#第0张图片torch.Size([3,28,28])a[0,0].shape#取第0张图片的第0个通道torch.Size([28,28])a[0,0,2,4].shape#取第0张图片的第0个通道的第2行第4列的像素点tensor(0.8082)取前/后几个图片a[:2].shape#取前两张图片
weixin_46753186·2022-11-23 20:27

Pytorch学习笔记（2）——Tensor

Tensor的引入对于学习和使用一个开源库/框架，开发者最关心的2个问题：如何传参数，如何调用API接口。参数一般就是指数据类型/数据结构类型，API接口具体指可以调用的函数、方法。Tensor是pytorh中的数据类型,表示一个Ndims张量。在深度学习中，输入/输出数据，网络参数都用Tensor表示。每种深度学习框架都有其数据结构：Framework数据类型特点CaffeBlobN维矩阵Ten
weixin_44783002·2022-11-23 20:26

PyTorch学习笔记(一)：Tensor基础操作

importtorchx1=torch.Tensor([3,4])print(x1)tensor([3.,4.])importnumpyasnpnumpy_tensor=np.random.randn(1,3)print("numpy1:",numpy_tensor)pytorch_tensor=torch.from_numpy(numpy_tensor)print("torch:",pytorc
Leisureconfused·2022-11-23 20:06

PyTorch学习笔记（一）创建Tensor

基础知识：ndarray：numpy中的ndarray为多维数组，是numpy中最为重要也是python进行科学计算非常重要和基本的数据类型。tensor：pytorch中的tensor为数据基本存储类型，中文叫张量，可以表示标量、向量、矩阵。1.1创建tensor从numpy到tensor，用torch.tensor(arr)arr=np.ones((3,3))t=torch.tensor(ar
xinxihu·2022-11-23 20:36

[Pytorch学习笔记02]Tensor方法

一、普通创建Tensor（1）创建相同元素torch.full([2,3],2)#创建两行三列，元素全为2。（2）创建元素全为1torch.ones([2,3])（3）创建元素全为0torch.zeros([2,3])（4）创建对角阵torch.eye(3)（5）自定义区间torch.randint(1,10,[2,2])#创建两行两列，元素均在（1,10）内（6）自定义均值方差torch.nor
daweq·2022-11-23 20:04

pytorch学习笔记 1. pytorch基础 tensor运算

pytorch与tensorflow是两个近些年来使用最为广泛的机器学习模块。开个新坑记录博主学习pytorch模块的过程，不定期更新学习进程。文章较为适合初学者，欢迎对代码和理解指点讨论，下面进入正题。importtorchimportnumpyasnpt1=torch.tensor([1,2,3,4],dtype=torch.float64)print(t1)print(type(t1))pr
Cy_coding·2022-11-23 19:59

pytorch学习记录（持续更新）

关键字及方法汇总表------------------------------------分割线------------------------------------卷积层：提取图像特征池化层：对提取的卷积层信息进行数据处理，减小图像尺寸数据量，加快训练速度线性层：对平铺数据进行提取------------------------------------分割线------------------
dvRay·2022-11-23 18:00

Pytorch学习ing

首先，下载anaconda,如何下载，详见官网1.在AnacondaPrompt中，condacreate-n环境名python=3.8(环境名建议取自己不会忘记的)(condaenvlist可以显示所以你创建过的虚拟环境)2.activate环境名3.下载一些安装包（condalist可以显示该虚拟环境中所以你下载过的安装包）pipinstalltorch==1.8.0+cu111torchvi
过程.记录·2022-11-23 17:15

pytorch学习19：pytorch下tensorboard的使用

Tensorboard是tensorflow内置的一个可视化工具，它通过将tensorflow程序输出的日志文件的信息可视化使得tensorflow程序的理解、调试和优化更加简单高效。Tensorboard的可视化依赖于tensorflow程序运行输出的日志文件，因而tensorboard和tensorflow程序在不同的进程中运行。TensorBoard给我们提供了极其方便而强大的可视化环境。它
HMTT·2022-11-23 16:47

pytorch学习：xavier分布和kaiming分布

1函数的增益值torch.nn.init.calculate_gain(nonlinearity,param=None)提供了对非线性函数增益值的计算。增益值gain是一个比例值，来调控输入数量级和输出数量级之间的关系。常见的非线性函数的增益值（gain）有：2fan_in和fan_out以下是pytorch计算fan_in和fan_out的源码def_calculate_fan_in_and_f
UQI-LIUWJ·2022-11-23 16:16

torch tensor去掉1维_pytorch学习 中 torch.squeeze() 和torch.unsqueeze()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。
weixin_39719732·2022-11-23 15:41

【PyTorch学习笔记_02】--- Opencv笔记（图像预处理使用）

OpenCV笔记1.计算机眼中的图像RGB:图像的颜色通道#数据读取-图像importcv2importmatplotlib.pyplotaspltimportnumpyasnp#%matplotlibinline#jupyter中使用img=cv2.imread('cat.jpg')cv2.IMREAD_COLOR:彩色图像cv2.IMREAD_GRAYSCALE:灰度图像opencv读取的格式
灵寒谷·2022-11-23 11:03

【PyTorch学习笔记_03】--- PyTorch（深度学习神经网络搭建）

36.深度学习要解决的问题机器学习流程：数据获取，特征工程，建立模型，评估与应用特征工程的作用：数据特征决定了模型的上限预处理和特征提取时最核心的算法和参数选择决定了如何逼近这个上限深度学习解决的是怎么提特征37.深度学习应用无人驾驶，人脸识别移动端不太好支持，计算量大，速度慢38.计算机视觉任务39.视觉任务中遇到的问题K近邻算法算法流程；计算已知类别数据集中的点与当前点的距离按照距离依次排序选
灵寒谷·2022-11-23 11:26

【Pytorch学习笔记二】pytorch中的张量（Tensors）和计算梯度数值(Atuograd)

文章目录一，张量（Tensors）1.tensor的属性2.创建张量3.数据初始化4,常用方法二，PyTorch计算梯度数值1.Autograd2.扩展Autograd参考资料：https://handbook.pytorch.wiki/chapter1/1.1-pytorch-introduction.htmlhttps://www.bookstack.cn/read/PyTorch-cn/RE
QHCV·2022-11-23 09:25

PyTorch学习笔记（6）损失函数与优化器

这一部分就大写的懵逼，概念好像又懂一点，讲又讲不出来。。。文章目录损失函数L1LOSSMSELOSSCROSSENTROPYLOSS优化器损失函数L1LOSS每一个样本经过模型后会得到一个预测值，然后得到的预测值和真实值的差值就成为损失。（当然损失值越小证明模型越是成功）例如：当reduction为"sum"时，求和；当reduction为"mean"时，取平均。代码实现如下：importtorc
游星凌·2022-11-23 08:21

pytorch学习笔记--nn.Module、nn.Sequential的搭建模型、损失函数、反向传播和训练器

nn.Module、nn.Sequential的搭建模型、损失函数和训练器一、nn.Module二、nn.Sequential三、损失函数、反向传播和优化器nn.Module和nn.equential都是pytorch中container的方法，用于保存深度学习层信息，即容器、模型一、nn.Module#使用nn.Module模块构建一个LeNetimporttorchimporttorch.nn
Tony·2022-11-23 08:20

PyTorch学习笔记（11）--损失函数与反向传播

PyTorch学习笔记（11）–损失函数与反向传播    本博文是PyTorch的学习笔记，第11次内容记录，主要介绍损失函数和反向传播的使用。
我这一次·2022-11-23 08:20

【Pytorch学习笔记七】神经网络介绍（神经网络可视化、激活函数、前向传播与反向传播）

文章目录1.神经网络可视化网址2.神经网络的表示3.激活函数3.1常见的激活函数3.2为什么激活函数都是非线性的4.理解前向传播和反向传播4.1正向传播4.2反向传播在生物神经网络中，每个神经元与其他神经元相连，当它兴奋时，就会向相连的神经元发送化学物质，从而改变这些神经元内的电位；如果某神经元的电位超过了一个阈值，那么它就会激活，即兴奋起来并向其他神经元发送化学物质。在深度学习中也借鉴了这样的结
QHCV·2022-11-23 08:47

Pytorch学习笔记--Pytorch常用函数总结1

目录1-torch.randn()函数2-set()函数和sorted()函数3-DataLoader()函数和Dataset类4-.t()函数5-最大池化(max_pool2d)和平均池化(avg_pool2d)函数1-torch.randn()函数importtorchbatch_size=1seq_len=3input_size=4inputs=torch.randn(seq_len,bat
憨豆的小泰迪·2022-11-23 08:07

Pytorch学习笔记

文章目录1、Pytorch基本语法1.1、什么是Pytorch1.2、Pytorch基本元素操作1.2.1、Tensors张量1.2.1、导入torch1.2.2、创建矩阵1.2.3、基本运算1.3、Pytorch中的autograd1.3.1、autograd介绍1.3.2、关于torch.Tensor类1.3.3、关于torch.Function类1.3.4、关于梯度Gradients2、Py
码农a皮·2022-11-23 08:33

Pytorch学习笔记(二):nn.Conv2d()函数详解

相关文章Pytorch学习笔记(一):torch.cat()模块的详解Pytorch学习笔记(二):nn.Conv2d()函数详解Pytorch学习笔记(三):nn.BatchNorm2d()函数详解Pytorch
ZZY_dl·2022-11-23 04:04

Pytorch学习笔记

Pytorch学习笔记学习视频:[B站up主:我是土堆]一、help和dir指令二、Pytorch加载数据三、TensorBoard的使用1.add_scalar()的使用2.add_image()的使用四
快乐活在当下·2022-11-23 01:41

【Pytorch学习】Pytorch安装遇到的错误及解决方法

在Anaconda环境和Pycharm软件的基础上安装Pytorch深度学习框架。一.创建pytorch虚拟房间首先打开AnacondaPrompt,通过conda创建名为pytorch的虚拟房间：输入语句：condacreate-npytorchpython=3.6会先出一些版本信息等（没截到），中间出现[Y]/N?点击了enter后显示如下（不知道有没有问题这边）：查看创建的虚拟房间(还是在p
平平慢慢来·2022-11-23 00:35

pytorch学习遇到的问题汇总

1.向量求导向量对向量求导-_yanghh-博客园(cnblogs.com)https://www.cnblogs.com/yanghh/p/13758243.html2.backward和grad一文解释PyTorch求导相关(backward,autograd.grad)-知乎PyTorch是动态图，即计算图的搭建和运算是同时的，随时可以输出结果；而TensorFlow是静态图。在pytorc
Tsparkle·2022-11-23 00:18

【pytorch笔记】（一）安装

（图源：水印）之后会开始尝试更新我在pytorch学习之路上的一些学习笔记，欢迎大家监督。时间有限，今天先写篇在win10环境下的pytorch简略安装步骤。首
Kevin Davis·2022-11-22 19:02

PyTorch学习笔记——入门（Tensor、Autograd、NN、图像分类器实验、数据并行处理）

PyTorch学习笔记160min入门学习1.1张量1.1.1构造1.1.2Tensor操作查看信息改变形状索引操作Tensor类型逐元素操作归并操作比较线性代数Tensor和Numpy内部结构其他1.2
问尔·2022-11-22 18:13

pytorch学习系列（5）：模型部分参数使用（迁移学习）

有两种方式：1.Net.load_state_dict(torch.load(model_path),strict=False)使用strict参数，如果为True，表明预训练模型的层和自己定义的网络结构层严格对应相等（比如层名和维度），这里选择为False，则不完全对等，会自动舍去多余的层和其参数。2.pretrained_dict=torch.load(model_path)model_dic
ch ur h·2022-11-22 18:13

【Pytorch学习笔记2】Pytorch的主要组成模块

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：原文档链接本文目录1.Pytorch的主要组成模块1.1完成深度学习的必要部分1.2基本配置1.3数据读入
獭祭·2022-11-22 18:02

pytorch学习笔记（2）

一、pytorch主要模块由于深度学习所需的样本量很大，一次加载全部数据运行可能会超出内存容量而无法实现；同时还有批（batch）训练等提高模型表现的策略，需要每次训练读取固定数量的样本送入模型中训练，因此深度学习在数据加载上需要有专门的设计。由于深度神经网络层数往往较多，同时会有一些用于实现特定功能的层（如卷积层、池化层、批正则化层、LSTM层等），因此深度神经网络往往需要“逐层”搭建，或者预先
瓶邪ぴ»·2022-11-22 18:30

Pytorch学习笔记——LeNet模型

1.环境Ubuntu20.04VscodeCuda11.2Pytorch1.82.代码importtimeimporttorchimporttorchvisionfromtorchimportnn,optimdevice=torch.device('cuda'iftorch.cuda.is_available()else'cpu')classLeNet(nn.Module):def__init__
Scarletteocat·2022-11-22 18:58

pytorch 深度学习实践 第5讲 pytorch实现线性回归

第5讲pytorch实现线性回归LinearRegressionwithPyTorchpytorch学习视频——B站视频链接：《PyTorch深度学习实践》完结合集_哔哩哔哩_bilibili以下是视频内容笔记以及小练习源码
会游泳的小雁·2022-11-22 17:15

Pytorch学习-Embedding

官方文档的解释：embedding方法为一个存储了固定字典和大小的简单的查找表通常利用indices去检索存储的wordembedding，输入是一系列indices，输出对应的wordembeddingsfrom_pretrainedmethod根据输入的2dFloatTensor格式的embeddings参数生成embedding实例，其中embeddings参数第一维度为词典大小num_em
Bernard_Yang·2022-11-22 14:26

pytorch学习笔记-num_workers的设置

示例:fromtorch.utils.dataimportDataLoadertrain_loader=DataLoader(dataset=train_data,batch_size=batch,shuffle=True,num_worker=4)valid_loader=DataLoader(dataset=valid_data,batch_size=batch,num_worker=4)1、
一只小小的土拨鼠·2022-11-22 12:41

pytorch学习笔记——2.5Pytorch中数据操作和预处理

前言：在torch.utils.data模块中包含一些常用的数据预处理的操作，比如数据的读取、切分、准备等，通过使用这些类，我们可以对高维数组、图像等各种类型的数据进行预处理，以便在深度学习模型中使用。在本文中，我们主要介绍回归模型和分类模型在高维数组和图像数据上的相关预处理与数据准备工作。一、高维数组：很多情况下我们需要从文本（csv）文件中读取高位数组数据，这类数据的特征是每个样本都有很多的预
学不来我就死·2022-11-22 10:27
上一页 15 16 17 18 19 20 21 22 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他