torch.nn

CNN CIFAR-10 pytorch实现

本文方法基于Pytorch实现，因此调用pytorch处理图像分类全家桶torch.nn、torch.optim、torchvisionimportnumpyasnpimporttorchimporttorch.nnasnnimporttorchvisionfromtorchvisionimportda
FallFlower*·2022-12-08 02:34

手撕ResNet50简易速学复现，深度学习入门必备+面试利器

参考资料：[1]ResNet手写代码实现[2]ResNet50复现笔记适合对象：对pytorch和torch.nn工具使用已经有一定的了解，对resnet框架和原理基本熟悉，本教程简单快速速通resnet
BRiAq·2022-12-07 22:18

Pytorch系列入门5----神经网络核心torch.nn工具箱介绍

系列文章目录文章目录系列文章目录前言一、troch.nn的定位二、torch.nn几大模块1.nn.Module__init()__方法forward()方法nn.Parameter()方法2.nn.functional
CV_Today·2022-12-07 13:21

PyTorch-1.10(七)--torch.nn卷积层、池化层和填充层

卷积层ConvolutionLayersnn.Conv1d对由多个输入平面组成的输入信号应用1D卷积。nn.Conv2d对由多个输入平面组成的输入信号应用二维卷积。nn.Conv3d对由多个输入平面组成的输入信号应用3D卷积。nn.ConvTranspose1d对由多个输入平面组成的输入图像应用1D转置卷积算子。nn.ConvTranspose2d对由多个输入平面组成的输入图像应用2D转置卷积运算
hanscal·2022-12-07 12:18

pytorch学习（五）---torch.nn模块

本节介绍一些torch.nn模块的常用层，包括卷积层、池化层以及激活函数等。首先是卷积层：torch.nn.Conv2d():主要参数有：in_channel:输入的通道数；out
橘春十三99·2022-12-07 12:46

PyTorch【5】torch.nn模块常用层与激活函数

一.卷积层1.Conv2d参数conv2d=torch.nn.Conv2d(in_chinnels,#(整数)输入图像的通道数out_channels,#(整数)经过卷积后输出的通道数kernel_size,#(整数或数组)卷积核的尺寸stride=1,#(整数或数组)卷积的步长padding=0,#(整数或数组)在输入两边进行0填充的数量dilation=1,#(整数或数组)卷积核元素之间的步幅
Acewh·2022-12-07 12:15

torch.nn 模块の池化层

池化操作的一个重要目的就是对卷积后得到的特征进一步处理（主要是降维），池化层可以起到对数据进一步浓缩的效果，从而缓解计算时内存的压力。池化会选取一定大小区域，将该区域内的像素值使用一个代表元素表示。如果使用平均值代替，成为平均值池化，如果使用最大值代替则称为最大值池化。在pytorch中，提供了多种池化的类，分别是最大值池化（MaxPool）、最大值池化的逆过程（MaxUnPool）、平均值池化（
Sanada Hiroyuki·2022-12-07 12:15

torch.nn神经网络（2）--池化层+非线性激活函数（ReLU和Sigmiod）+Sequential()函数的使用

nn.Module神经网络4.池化层池化层：池化函数使用某一位置的相邻输出的总体统计特征来代替网络在该位置的输出。本质是降采样，减少网络的参数量还是老规矩，导入模块及数据集，CIFAR10,batchsize=64：importtorchimporttorchvisionfromtorchimportnnfromtorch.nnimportMaxPool2dfromtorch.utils.data
CYHR_2489·2022-12-07 12:43

torch.nn模块之池化层详解

torch中的池化层1.torch.nn模块中的池化层简介2.池化的调用方式3.图像池化演示3.1最大值池化3.2平均值池化3.3自适应平均值池化参考资料1.torch.nn模块中的池化层简介池化操作的一个重要目的就是对卷积后得到的特征进行进一步处理（主要是降维），从而缓解计算时内存的压力。池化会选取一定大小的区域，将该区域内的像素值使用一个代表元素表示。如果使用平均值代替，称为平均值池化，如果使
@DWC_DIP·2022-12-07 12:43

Torch.nn模块学习-池化

池化对数据起到了浓缩的效果，通过池化可以减少数据量，降低内存压力，简单地理解，池化操作都是通过池化的kernel的选取一定的区域，通过某种计算将这个区域一系列数值转化为一个数值，需要注意的是：对于池化操作来说，池化的步长一般是卷积核大小。该库提供了多种池化的类，最大池化、平均池化、最大自适应池化等操作。下面以二维数据处理为例子，列出常用的池化操作。本次项目中使用的操作:nn.Sequential介
big_matster·2022-12-07 12:12

PyTorch框架从零实现Logistic回归（非torch.nn）

本文主要动手从0实现Logistic回归（只借助Tensor和Numpy相关的库）在人工构造的数据集上进行训练和测试。机器学习基础机器学习，英文为MachineLearning，简称ML。在周志华老师“西瓜书”中，机器学习所研究的主要内容是关于在计算机上从数据中产生“模型”的算法。在《神经网络与深度学习》一书中，机器学习通常指一类问题以及解决这类问题的方法，即如何从观测数据(样本)中寻找规律，并利
JMDou·2022-12-07 06:04

PyTorch框架torch.nn实现Logistic回归

本文主要总结实现torch.nn实现Logistic回归的方法。Logistic回归[只借助Tensor和Numpy相关的库]在人工构造的数据集上进行训练和测试。
JMDou·2022-12-07 06:34

【Python】-【Pytorch】学习日记三 UNet实现代码阅读

【Python】-【Pytorch】学习日记一张量(Tensor)【Python】-【Pytorch】学习日记二autograd与torch.nn构建神经网络【Python】-【Pytorch】学习日记三
1000110011111101010100101111101·2022-12-06 09:24

Deep Learning with PyTorch

1.2Pytorch提供促进深度学习的库：torch.nn（搭建神经网络）torch.util.data（下载处理数据，又包括Dataset/D
danshuitian·2022-12-05 23:48

快速上手pytorch

蚂蚁蜜蜂/练手数据集：链接:https://pan.baidu.com/s/1jZoTmoFzaTLWh4lKBHVbEA密码:5suq官方文档：torch.nn—PyTorch1.10.0documentation
辉e·2022-12-05 13:47

Pytorch的学习——CNN

CNN在pytorch中CNN（卷积神经网络）由torch.nn中的Conv1d()、Conv2d()、Conv3d()三个函数进行数据的一维、二维、三维卷积操作。
明哲慕鸿·2022-12-05 00:19

PyTorch中文教程 | (6) torch.nn是什么？

Pytorch提供了torch.nn、torch.optim、Dataset和DataLoader这些设计优雅的模块和类以帮助使用者创建和训练神经网络。
CoreJT·2022-12-04 22:45

pytorch基础学习（3）

区分nn.ReLU和F.relu：这两个是典型的PyTorch的两种API：前者是一个类，类风格的API一般都在torch.nn下，而且以大写字母开头；后者是一个函数，函数很多都在torc
Wsyoneself·2022-12-04 13:46

torch.nn

torch.nn与torch.nn.functional说起torch.nn，不得不说torch.nn.functional!
追赶早晨·2022-12-03 16:17

pytorch学习笔记：进阶训练（一）损失函数、动态调整学习率

一、自定义损失函数PyTorch在torch.nn模块为我们提供了许多常用的损失函数，比如：MSELoss，L1Loss，BCELoss…但是随着深度学习的发展，出现了越来越多的非官方提供的Loss，比如
阿瓦达啃大瓜~·2022-12-03 02:44

pytorch框架学习笔记

文章目录tensor声明操作与Numpy交互建立GPU的device自微分（求导）张量激活梯度激活神经网络搭建（torch.nn）损失函数及优化策略训练tensor声明importtorch#全新创建x
ZRX_GIS·2022-12-02 05:34

pytorch初学笔记（十四）：损失函数

代码实现1.2MSE损失函数（平方和）1.2.1简介1.2.2参数介绍1.2.3代码实现1.3损失函数的作用二、在神经网络中使用lossfunction2.1使用交叉熵损失函数2.2反向传播一、损失函数torch.nn—PyTorch1.13documentation
好喜欢吃红柚子·2022-12-01 19:21

torch.nn.functional 和 torch.nn 去使用softmax，logsoftmax,crossentropy等的区别

参考：softmax+log=logsoftmax,logsoftmax+nllloss=crossentropy_LUQC638的博客-CSDN博客importtorchimporttorch.nnasnnimporttorch.nn.functionalasF#Exampleoftargetwithclassindicesinput=torch.randn(3,5)print(f"Inputi
LUQC638·2022-11-30 20:43

tensor自身的softmax,log,log_softmax函数

tensor自身带有softmax,log,log_softmax函数，与torch.nn,torch.nn.functional类似,具体的原理可以去看相关的源码，实际使用中知道这些会比较方便。
LUQC638·2022-11-30 20:13

torch.log_softmax与torch.nn.functional.log_softmax的区别（dropout，relu，crossentropy，log_softmax）

torch.nn和torch.nn.functional都可以进行dropout,relu,crossentropy，log_softmax等操作。
雨雨子speech·2022-11-30 20:09

Pytorch Tutorial学习笔记（3）

NEURALNETWORKS神经网络可以通过torch.nn包进行构建。
HamWon·2022-11-30 17:22

Pytorch 05-进阶训练技巧

5.1自定义损失函数PyTorch在torch.nn模块为我们提供了许多常用的损失函数，比如：MSELoss，L1Loss，BCELoss…但是随着深度学习的发展，出现了越来越多的非官方提供的Loss，
Gocara·2022-11-30 14:08

深度学习损失函数

目录前言1、均方差损失——MSE2、交叉熵损失——CrossEntropyLoss前言一直使用的Pytorch这个框架，关于损失函数的内容，可以在Pytorch的官方文档torch.nn—PyTorch1.10documentation
飞飞呀·2022-11-30 13:16

PyTorch(1) torch.nn与torch.nn.functional之间的区别和联系

原文地址在阅读PyTorch官网的教程的时候，发现介绍如何利用Pytorch搭建一个神经网络的示例代码是这样写。importtorchfromtorch.autogradimportVariableimporttorch.nnasnnimporttorch.nn.functionalasFclassNet(nn.Module):def__init__(self):super(Net,self)._
gorgeous___youth·2022-11-30 11:05

PyTorch深度学习入门笔记（六）神经网络大学习

神经网络的基本骨架nn.Module的使用torch.nn.简介搭建神经网络常用的工具在torch.nn模块。
Charliefive·2022-11-30 01:59

【小土堆】Pytorch学习笔记_P16/17_nn.Module的使用、土堆说卷积

小土堆】_哔哩哔哩_bilibili#笔记内容（1）P16_神经网络的基本骨架-nn.Module的使用（2）P17_土堆说卷积操作（可选看）（1）神经网络的基本骨架-nn.Moudle的使用#（1）torch.nn
惜年_night·2022-11-30 00:54

P17-18：神经网络基本骨架以及卷积层（Pytorch小土堆学习笔记）

__init__()#继承父类torch.nn的初始化self.conv1=nn.Conv2d(1,20,5)#卷积模型1se
ni哥跑的快·2022-11-30 00:48

PyTorch学习笔记-神经网络Torch.NN基本骨架的使用及卷积原理

1.torch.nn.Module介绍torch.nn能够帮助我们更优雅地训练神经网络，使神经网络代码更加简洁和灵活。官方文档：Torch.NN。
柃歌·2022-11-30 00:16

Apex安装失败（笔记记录分享）

Apex安装失败（笔记记录）1.错误合集No.1:errordetectedinthecompilationof"csrc/multi_tensor_scale_kernel.cu"No.2:module'torch.nn'hasnoattribute'backends'No
方天又画了个戟·2022-11-29 21:42

pytorch学习笔记——2.4torch.nn模块简介

前言torch.nn模块包含torch为我们准备好的各种层，方便我们调用以构建网络。我们主要介绍卷积层、池化层、激活函数层、循环层、全连接层等的相关使用方法。
学不来我就死·2022-11-29 17:25

PyTorch——torch.autograd和Variable，torch.nn，torch.optim

目录神经网络自动梯度6.2.1torch.autograd和Variable模型搭建和参数优化6.3.1PyTorch之torch.nn6.3.2PyTorch之torch.optim神经网络一个典型的神经网络的训练过程大致分为以下几个步骤：1.首先定义神经网络的结构，并且定义各层的权重参数的规模和初始值。2.然后将输入数据分成多个批次输入神经网络。3.将输入数据通过整个网络进行计算。4.每次迭代
行走的笔记·2022-11-29 17:54

PyTorch深度学习笔记（十四）神经网络-搭建小实战和Sequential的使用

包含在PyTorch官网中torch.nn模块中的Containers中，在神经网络搭建的过程中如果使用Sequential，代码更简洁。搭建上述神经网络的具体代码如下。
小于同学饿了·2022-11-29 11:52

[pytorch笔记] torch.nn vs torch.nn.functional; model.eval() vs torch.no_grad(); nn.Sequential() vs nn..

1.torch.nn与torch.nn.functional之间的区别和联系https://blog.csdn.net/GZHermit/article/details/78730856nn和nn.functional之间的差别如下，我们以conv2d的定义为例torch.nn.Conv2dimporttorch.nn.functionalasFclassConv2d(_ConvNd):def__
weixin_30797027·2022-11-29 09:38

《深度学习框架PyTorch入门与实践》学习笔记---第四章 torch.nn

#-------神经网络工具箱nn------------------------------------------#torch.nn是专门为深度学习而设计的模块，torch.nn的核心数据结构是Module
小小小毛毛虫~·2022-11-29 09:34

Pytorch 之torch.nn初探 第1关：torch.nn.Module

神经网络可以使用torch.nn包构建。
OnlyForBetter·2022-11-29 09:02

Pytorch 之torch.nn进阶第2关：损失函数

最终代码importtorchimporttorch.nnasnnfromtorch.autogradimportVariableinput=Variable(torch.Tensor([1.1,2.2,2.93,3.8]))target=Variable(torch.Tensor([1,2,3,4]))#/**********Begin*********/#创建名为loss的L1Loss损失函数
OnlyForBetter·2022-11-29 09:02

pytorch学习-使用torch.nn模块自定义模型

使用nn.Module构建神经网络1打印网络perception，可以看到上述定义的layer1和layer22named_parameters()可以返回学习参数的参数名与参数值3将输入数据传入perception，perception()相当于调用perception中的forward()函数4nn.Parameter函数5forward()函数与反向传播6多个module的嵌套7nn.Mod
潘旭阳·2022-11-29 08:57

Pytorch 之torch.nn初探

第1关：torch.nn.Module本关要求利用nn.Linear()声明一个线性模型l，并构建一个变量net由三个l序列构成。importtorchimporttorch.nnasnnfromtorch.autogradimportVariable#/**********Begin*********/#声明一个in_features=2,out_features=3的线性模型l并输出l=nn.
Ssaty.·2022-11-27 17:50

PyTorch学习笔记（二）——torch.nn解析

PyTorch提供了方便漂亮的类和模块，来帮助我们创建和训练神经网络，例如torch.nn,torch.optim等。
Candyerer·2022-11-27 17:20

pytorch四种loss函数, softmax用法

dtype=torch.long)logits=torch.tensor([[2.5,-0.5,0.1],[-1.1,2.5,0.0],[1.2,2.2,3.1]],dtype=torch.float)>>>torch.nn
小猫佩奇·2022-11-27 11:40

【深度学习】计算机视觉（六）——pytorch（下）

损失函数：nn.L1Lossnn.MSELossnn.CrossEntropyLosstorch.optim反向传播优化器模型使用入门1.训练数据的加载和保存2.模型训练tips3.冻结/解冻骨干网络参数torch.nn
RK_Dangerous·2022-11-27 06:10

Pytorch实现LeNet网络

torchvision.datasets import MNIST  from torchvision import transforms  from torch import optim  import torch.nn
九是否非随机的称呼·2022-11-27 06:28

李宏毅2021《机器学习/深度学习》——学习笔记（3）

反向传播）参考资料DNNTrainingProcedure上图所示是Pytorch中训练DNN的概述，首先是DefineNeuralNetwork、LossFunction、Optimizer，这三步用到了torch.nn
dotJunz·2022-11-27 02:34

PyTorch 学习笔记

TensorProperties①Device②Shape3.IndexingTensors索引张量4.InitializingTensors5.BasicFunctions二、PyTorchNeuralNetworkModule(torch.nn
有来有去小钻风·2022-11-26 19:17

pytorch进阶训练技巧之：探索如何更优雅地训练PyTorch模型

一、U-Net模块回顾1.1模块代码2.2搭建过程二、Carvana数据集，实现一个基本的U-Net训练过程三、优雅地训练模型3.1自定义损失函数3.1.1使用torch.nn自带的损失函数3.1.2使用自定义的损失函数
Liuyc-Code boy·2022-11-25 16:05
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他