autograd

pytorch相关知识点总结

由此可见，自动求导(autograd)是PyTorch，乃至其他大部分深度学习框架中的重要组成部分。2.torch.optim转自知乎：https://zhuanlan.zhi
时代&信念·2022-08-10 09:32

Pytorch 入门

Pytorch基本语法1.1认识Pytorch（1）Pytorch的基本元素操作（2）Pytorch的基本运算操作（3）关于TorchTensor和Numpyarray之间的相互转换1.2Pytorch中的autograd
落花雨时·2022-07-31 07:58

Python利用AutoGrad实现自动计算函数斜率和梯度

目录1.准备2.计算斜率3.实现一个逻辑回归模型AutoGrad是一个老少皆宜的Python梯度计算模块。对于初高中生而言，它可以用来轻易计算一条曲线在任意一个点上的斜率。
·2022-07-25 12:30

OneFlow源码阅读6：自动微分机制

深度学习框架一般通过自动微分（autograd）机制计算梯度并反向传播。本文尝试通过一个简单的例子、粗浅地观察一下OneFlow的autograd的实现机制。OneFlow刚刚已经发布了v0.8.0。
·2022-07-20 22:56

【PyTorch笔记】60分钟入门PyTorch——自动求导autograd

torch.autogradtorch.autograd是PyTorch自动求导的工具，求导支撑着神经网络的训练。
is_colorful·2022-07-18 10:38

Pytorch(一)——Pytorch基础知识

文章目录Pytorch学习资源1.张量创建tensor张量的操作广播机制2.自动求导Autograd简介梯度3.并行计算简介之前学习Pytorch已经比较久远了，本次学习是跟着datawhale的《深入浅出
一蓑烟雨晴·2022-07-15 07:32

PyTorch - autograd自动微分

PyTorch：AUTOMATICDIFFERENTIATIONWITHTORCH.AUTOGRADLoss是标量，雅可比向量积，JVP，primitiveoperation(原始操作)：torch.autograd
SpikeKing·2022-07-06 11:16

深度学习框架PyTorch一书的学习-第四章-神经网络工具箱nn

参考https://github.com/chenyuntc/pytorch-book/tree/v1.0希望大家直接到上面的网址去查看代码，下面是本人的笔记本章介绍的nn模块是构建与autograd之上的神经网络模块除了
weixin_34379433·2022-07-05 07:33

Pytorch的主要模块简介

==torch.autograd模块==10．torch.distributed
彭小方·2022-07-05 07:28

使用Pytorch构建一个神经网络

关于torch.nn·使用Pytorch来构建神经网络，主要的工具都在torch.nn包中·nn依赖于autograd来定义模型，并对其自动求导构建神经网络的典型流程·定义一个拥有可学习参数的神经网络·
赵有才er·2022-06-30 07:23

Pytorch 04天——梯度、激活函数、loss及其梯度

1）initializationstatus2）learningrate（stepLR）3）momentum常见函数的梯度激活函数loss及其梯度1、MeanSquaredError(MSE)均方差：autograd.grad
努力奔跑的憨憨啊·2022-06-29 07:47

PyTorch——激活函数、损失函数

torch.tanh：范围在[-1,1]torch.relu/F.relu：不可导，但计算简单常用F.softmaxLoss及其梯度MSE：autograd.gradloss.backwardGradientAP
糖糖Amor·2022-06-29 07:24

PyTorch 搭建一个简单的神经网络【详细附代码】

之前已经介绍了autograd包，nn包则依赖于autograd包来定义模型并对它们求导。nn.Module包含层，以及返回output的方法forward(input)。
qq_39809262·2022-06-27 07:17

Lesson 11.1-11.5 梯度下降的两个关键问题&反向传播的原理&走出第一步：动量法&开始迭代：batch和epochs&在Fashion—MNIST数据集熵实现完整的神经网络

在介绍PyTorch的基本工具AutoGrad库时，我们系统地介绍过数学中的优化问题和优化思想，我们介绍了最小二乘法以及梯度下降法这两个入门级优化算法的具体操作，并使用AutoGrad库实现了他们。
Grateful_Dead424·2022-06-18 16:25

PyTorch入门——搭建神经网络

本文将介绍使用PyTorch搭建神经网络所需要的五个模块：1.定义神经网络；使用PyTorch只需要定义神经网络的正向传输过程，Autograd机制会自动生成反向传播过程。
Skyline_98·2022-06-18 07:32

使用 Numpy 创建自己的深度学习框架

本文并不是为了造轮子，只是通过手动实现来介绍建基本深度学习框架所需组件和步骤Numpy已经提供了基本上所有需要的计算操作，我们需要的是一个支持自动微分（autograd）的框架来计算多个操作的梯度，这是模块化方法构建神经网络层的标准化方法
deephub·2022-06-05 10:40

Pytorch框架学习路径(五：autograd与逻辑回归)

Pytorch框架学习路径(五：autograd与逻辑回归)文章目录autogradtorch.autograd.backward方法求导torch.autograd.grad方法求导autograd小贴士
☞源仔·2022-06-05 08:46

PyTorch学习笔记（3）autograd 自动求导

自动求导torch.autograd.backward自动求取梯度tensors用于求导的张量retain_graph保存计算图create_graph创建导数计算图用于高阶求导grad_tensors
TongYixuan_LUT·2022-06-05 07:58

PyTorch学习之autograd（自动求导）

autograd1.最常用的方法就是torch.autograd.backward(）torch.autograd.backward(tensors,grad_tensors=None,retain_graph
Leo&&Eva·2022-06-05 07:21

pytorch的计算图和自动求导机制

torch.autograd为pytorch的自动求导包，有torch.autograd.backward函数和torch.autograd.grad函数，其中torch.autograd.
饕餮&化骨龙·2022-06-05 07:48

pytorch定义新的自动求导函数

在pytorch中想自定义求导函数，通过实现torch.autograd.Function并重写forward和backward函数，来定义自己的自动求导运算。
l8947943·2022-06-05 07:46

PyTorch学习-自动求导机制Autograd与计算图

基本数据Tensor可以保证完成前向传播，想要完成神经网络的训练，接下来还需要进行反向传播与梯度更新，而PyTorch提供了自动求导机制autograd，将前向传播的计算记录成计算图，自动完成求导。
潘旭阳·2022-06-05 07:06

【PyTorch学习（三）】Aurograd自动求导机制总结

Aurograd自动求导机制总结PyTorch中，所有神经网络的核心是autograd包。autograd包为tensor上的所有操作提供了自动求导机制。
Daylight..·2022-06-05 07:32

Autograd解析｜OneFlow学习笔记

本文以OneFlow的代码为例，梳理Autograd模块的实现细节。
OneFlow深度学习框架·2022-06-02 14:36

Autograd解析｜OneFlow学习笔记

本文以OneFlow的代码为例，梳理Autograd模块的实现细节。
·2022-05-13 12:35

pytorch_lesson6 动态计算图与梯度下降（AutoGrad回溯机制与动态计算图+反向传播与梯度计算+下降基本思想）

文章目录一、AutoGrad的回溯机制与动态计算图1.可微分性相关属性requires_grad属性：可微分性grad_fn属性：存储Tensor微分函数2.张量计算图计算图的定义节点类型3.计算图的动态性二
斯外戈的小白·2022-05-13 07:12

【黑马程序员自然语言处理实战课程】学习笔记---pytorch基础知识和autograd

目录1.1什么是pytorch1.2pytorch基础语法1.3pytorch基本运算1.4关于torchtensor和numpyarray之间的相互转换2.1autograd基础概念2.2关于tensor
柒夏码农之路·2022-05-10 12:54

深度学习框架Pytorch入门与实践——读书笔记

pipinstalltorchpipinstalltorchvision#IPython魔术命令importtorchasta=t.Tensor(3,4)%timeita.sum()#检测某条语句的执行时间%hist#查看输入历史2.2.2Autograd
羊小球·2022-05-10 07:06

Pytorch 自动求导 autograd,backward 详解

PyTorch提供两种求梯度的方法：backward()和torch.autograd.grad()，他们的区别在于前者是给叶子节点填充.grad字段，而后者是直接返回梯度给你，我会在后面举例说明。
程序之巅·2022-05-07 07:30

pytorch自动求导机制

Torch.autograd在训练神经网络时，我们最常用的算法就是反向传播（BP）。参数的更新依靠的就是lossfunction针对给定参数的梯度。
长命百岁️·2022-05-07 07:36

Pytorch自动求导

使用Pytorch自动求导autograd是Pytorch框架中一个重要的包，它为张量上的所有操作提供自动求导功能。其运算机制稍后给出。
yizhi_hao·2022-05-07 07:59

pytorch的求导函数backward和torch.autograd.grad()

pytorch中求导可以借助tensor.backward()和torch.autograd.grad()来完成，backward()函数应该很熟悉了，模型的的参数求导一般是使用这个函数来完成。
风吹草地现牛羊的马·2022-05-07 07:18

【深度学习理论】一文搞透pytorch中的tensor、autograd、反向传播和计算图

当然一遍搞不定两遍三遍也差不多了～这样以后，面试时被问到反向传播、tensor、计算图和autograd的底层原理，你不会慌～当然，我们的主要目的，在于能从底层大致理解整个深度学习框架的设计原理，实现方式
三世·2022-04-30 07:43

PyTorch深度学习实践概论笔记5-课后练习2：pytorch官方教程【中英讲解】

目录1Tensors1.1warm-up:numpy1.2PyTorch:Tensors2Autograd2.1PyTorch:Tensorsandautograd2.2PyTorch:Definingnewautogradfun
双木的木·2022-04-29 07:22

《深度学习之pytorch实战计算机视觉》第6章 PyTorch基础（代码可跑通）

目录6.1PyTorch中的Tensor6.1.1Tensor的数据类型6.1.2Tensor的运算6.1.3搭建一个简易神经网络6.2自动梯度6.2.1torch.autograd和Variable6.2.2
双木的木·2022-04-26 07:32

Pytorch实现机器学习之线性回归2.0

点击打开《Pytorch实现机器学习之线性回归》文章二、Pytorch实现机器学习之线性回归2.0，特点在利用autograd和Variable实现线性回归，并且反向传播自动调用backward实现。
rothschildlhl·2022-04-21 07:58

[二十八]深度学习Pytorch-图像分类Resnet18

Pytorch-张量的操作：拼接、切分、索引和变换[三]深度学习Pytorch-张量数学运算[四]深度学习Pytorch-线性回归[五]深度学习Pytorch-计算图与动态图机制[六]深度学习Pytorch-autograd
yanzhiwen2·2022-04-16 09:12

[二十四]深度学习Pytorch-BN、LN(Layer Normalization)、IN(Instance Normalization)、GN(Group Normalization)

Pytorch-张量的操作：拼接、切分、索引和变换[三]深度学习Pytorch-张量数学运算[四]深度学习Pytorch-线性回归[五]深度学习Pytorch-计算图与动态图机制[六]深度学习Pytorch-autograd
yanzhiwen2·2022-04-14 07:43

[二十三]深度学习Pytorch-批量归一化Batch Normalization

Pytorch-张量的操作：拼接、切分、索引和变换[三]深度学习Pytorch-张量数学运算[四]深度学习Pytorch-线性回归[五]深度学习Pytorch-计算图与动态图机制[六]深度学习Pytorch-autograd
yanzhiwen2·2022-04-14 07:13

[二十二]深度学习Pytorch-正则化Regularization之dropout

Pytorch-张量的操作：拼接、切分、索引和变换[三]深度学习Pytorch-张量数学运算[四]深度学习Pytorch-线性回归[五]深度学习Pytorch-计算图与动态图机制[六]深度学习Pytorch-autograd
yanzhiwen2·2022-04-14 07:12

[十八]深度学习Pytorch-学习率Learning Rate调整策略

Pytorch-张量的操作：拼接、切分、索引和变换[三]深度学习Pytorch-张量数学运算[四]深度学习Pytorch-线性回归[五]深度学习Pytorch-计算图与动态图机制[六]深度学习Pytorch-autograd
yanzhiwen2·2022-04-14 07:12

[十七]深度学习Pytorch-优化器Optimizer

Pytorch-张量的操作：拼接、切分、索引和变换[三]深度学习Pytorch-张量数学运算[四]深度学习Pytorch-线性回归[五]深度学习Pytorch-计算图与动态图机制[六]深度学习Pytorch-autograd
yanzhiwen2·2022-04-14 07:11

[十六]深度学习Pytorch-18种损失函数loss function

Pytorch-张量的操作：拼接、切分、索引和变换[三]深度学习Pytorch-张量数学运算[四]深度学习Pytorch-线性回归[五]深度学习Pytorch-计算图与动态图机制[六]深度学习Pytorch-autograd
yanzhiwen2·2022-04-14 07:08

[十三]深度学习Pytorch-卷积层(1D/2D/3D卷积、卷积nn.Conv2d、转置卷积nn.ConvTranspose)

Pytorch-张量的操作：拼接、切分、索引和变换[三]深度学习Pytorch-张量数学运算[四]深度学习Pytorch-线性回归[五]深度学习Pytorch-计算图与动态图机制[六]深度学习Pytorch-autograd
yanzhiwen2·2022-04-14 07:37

[十二]深度学习Pytorch-模型容器Containers与AlexNet构建

Pytorch-张量的操作：拼接、切分、索引和变换[三]深度学习Pytorch-张量数学运算[四]深度学习Pytorch-线性回归[五]深度学习Pytorch-计算图与动态图机制[六]深度学习Pytorch-autograd
yanzhiwen2·2022-04-14 07:36

[十一]深度学习Pytorch-模型创建与nn.Module

Pytorch-张量的操作：拼接、切分、索引和变换[三]深度学习Pytorch-张量数学运算[四]深度学习Pytorch-线性回归[五]深度学习Pytorch-计算图与动态图机制[六]深度学习Pytorch-autograd
yanzhiwen2·2022-04-14 07:06

[十九]深度学习Pytorch-可视化工具TensorBoard

Pytorch-张量的操作：拼接、切分、索引和变换[三]深度学习Pytorch-张量数学运算[四]深度学习Pytorch-线性回归[五]深度学习Pytorch-计算图与动态图机制[六]深度学习Pytorch-autograd
yanzhiwen2·2022-04-14 07:05

[十五]深度学习Pytorch-权值初始化(Xavier和Kaiming)

Pytorch-张量的操作：拼接、切分、索引和变换[三]深度学习Pytorch-张量数学运算[四]深度学习Pytorch-线性回归[五]深度学习Pytorch-计算图与动态图机制[六]深度学习Pytorch-autograd
yanzhiwen2·2022-04-11 04:04

[十四]深度学习Pytorch-池化层、线性层、激活函数层

Pytorch-张量的操作：拼接、切分、索引和变换[三]深度学习Pytorch-张量数学运算[四]深度学习Pytorch-线性回归[五]深度学习Pytorch-计算图与动态图机制[六]深度学习Pytorch-autograd
yanzhiwen2·2022-04-11 04:03

[十]深度学习Pytorch-transforms图像操作及自定义方法（含数据增强实战）

Pytorch-张量的操作：拼接、切分、索引和变换[三]深度学习Pytorch-张量数学运算[四]深度学习Pytorch-线性回归[五]深度学习Pytorch-计算图与动态图机制[六]深度学习Pytorch-autograd
yanzhiwen2·2022-04-11 04:33
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他