PyTorch深度学习快速入门教程_【B站】小土堆- - 风居住的街道DYL

P1.python环境的配置和安装

摘要：1.1CUDA安装： 1.查看CUDA Version 在终端输入nvidia-smi 2.下载安装配置CUDA 1.2python3.8安装 C:\Users\ASUS\AppData\Local\Programs\Python\Python38 1.3Anaconda安装 1.软件下载安装测试阅读全文

posted @ 2025-11-03 20:26 风居住的街道DYL 阅读(26) 评论(0) 推荐(0)

P2. Python编辑器选择、安装及配置

摘要：2.1Jupyter安装 Jupyter无需安装，在安装完anaconda就自动有 2.2Pycharm安装见【“P1.python环境的配置和安装”的“1.4PyCharm安装”部分】阅读全文

posted @ 2025-11-03 20:32 风居住的街道DYL 阅读(24) 评论(0) 推荐(0)

P3. Python学习中的两大法宝函数

摘要：3.1两大法宝函数dir()、help() dir()使用： help()使用： 3.2在pycharm的python控制台里面运行dir()和help() 输出结果如下：即它返回布尔值，看CUDA是否能够使用; 阅读全文

posted @ 2025-11-03 20:40 风居住的街道DYL 阅读(10) 评论(0) 推荐(0)

P4. PyCharm与Jupyter的使用和对比(三种代码编辑方式：Python文件、Python控制台和Jupyter)

摘要：4.1总述如果代码是以块为一个整体运行的话，那么：（1）Python文件的块是所有行的代码（2）Python控制台以每一行（或者任意行，使用shift+enter进行换行）为块（3）Jupyter以任意行为块 4.2Python文件的块是所有行的代码 1.创建新项目 2.创建python文件阅读全文

posted @ 2025-11-03 20:43 风居住的街道DYL 阅读(117) 评论(0) 推荐(0)

P5. PyTorch加载数据初认识

摘要：5.1.Dataset和Dataloader 1.Dataset给每一个数据编号，并给每个数据一个label 2.Dataloader将自定义的数据集封装成一个batch_size的tensor，用于后续训练 3.整体 5.2Dataset使用 1.数据来源蚂蚁蜜蜂/练手数据集：https://p 阅读全文

posted @ 2025-11-03 20:45 风居住的街道DYL 阅读(39) 评论(0) 推荐(0)

P6. Dataset类代码实战

摘要：6.0类和对象方法：是放在类里面的函数def，属性：放在类里面的变量面向过程：说明书，按步骤执行;面向对象：把事务先分解到对象身上，描述各个对象的作用，然后才是他们之间的交互 6.1Dataset类、from PIL import Image 6.2Import os是导入Python内置的os 阅读全文

posted @ 2025-11-03 20:50 风居住的街道DYL 阅读(32) 评论(0) 推荐(0)

P7. TensorBoard的使用（一）

摘要：7.1SummaryWriter类使用 1.官方文档对SummaryWriter的介绍按住Ctrl，点中SummaryWriter 点击查看代码 Writes entries directly to event files in the log_dir to be consumed by Tens 阅读全文

posted @ 2025-11-03 20:55 风居住的街道DYL 阅读(27) 评论(0) 推荐(0)

P8. TensorBoard的使用（二）

摘要：8.1add_image( )使用由于PIL类型不符合add_image()函数要求， image模块要求的数据类型包括：torch tensor,numpy array,string等； 1.使用opencv （1）安装opencv库 numpy最常用的读取方法是opencv （2）opencv 阅读全文

posted @ 2025-11-04 09:57 风居住的街道DYL 阅读(19) 评论(0) 推荐(0)

P9.Transforms的使用（一）

摘要：9.1Transforms的结构及用法【B站】PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】打开pycharm: 9.2PIL数据类型 9.3Transforms.ToTensor使用正确用法VS我的错误用法 1.ToTensor是Transforms的一个类【deepsee 阅读全文

posted @ 2025-11-04 10:17 风居住的街道DYL 阅读(13) 评论(0) 推荐(0)

P10.Transforms的使用（二）

摘要：10.1为什么需要Tensor数据类型 1.通过transforms.ToTensor去看两个问题： ①transforms的使用（pytorch)；②为什么需要ToTensor数据类型。 2.为什么需要ToTensor数据类型？因为他包装了我们反向神经网络所需要的理论基础的参数点击查看代码 f 阅读全文

posted @ 2025-11-04 11:54 风居住的街道DYL 阅读(9) 评论(0) 推荐(0)

P11.常见的transforms（一）

摘要：11.1_call_使用 11.2ToTensor使用 1.代码如下：点击查看代码 from PIL import Image from torch.utils.tensorboard import SummaryWriter from torchvision import transforms 阅读全文

posted @ 2025-11-04 12:41 风居住的街道DYL 阅读(8) 评论(0) 推荐(0)

P12.常见的transforms（二）

摘要：12.1Resize使用 1.Resize使用1_输入的size为sequence 【注：“忽略大小写，进行提示匹配”的设置：一般情况下，你需要输入R，才能提示出Resize；我们想设置，即便你输入的是r，也能提示出Resize，也就是忽略了大小写进行匹配提示】步骤如下：（1）对Resize() 阅读全文

posted @ 2025-11-04 13:01 风居住的街道DYL 阅读(21) 评论(0) 推荐(0)

P13.torchvision中的数据集使用

摘要：13.1Transforms中的类 1.打开pytorch官网 2.找到CIFAR10，这个数据集比较小 3.点击图片上红色的CIFAR10 4.这里的链接就是Pycharm下载到dataset里面的东西 13.2CIFAR10数据集的下载与导入 1.在Pycharm下载，下载到dataset 2. 阅读全文

posted @ 2025-11-04 19:56 风居住的街道DYL 阅读(20) 评论(0) 推荐(0)

P14.Dataloader的使用

摘要：14.1Pytorch官网打开torch.utils.data.DataLoader 14.2在pycharm使用DataLoader 它返回img和target 代码如下：点击查看代码 import torchvision from torch.utils.data import DataLoa 阅读全文

posted @ 2025-11-04 20:26 风居住的街道DYL 阅读(22) 评论(0) 推荐(0)

P15.神经网路的基本骨架——nn.Module的使用

摘要：打开PyTorch官网 1.找到troch.nn的Containers 2.打开pycharm：代码-生成-重写方法-选择第一个要初始化的方法__init__ 3.pycharm运行代码如下点击查看代码 import torch from torch import nn #1.定义神经网络的模板阅读全文

posted @ 2025-11-04 20:39 风居住的街道DYL 阅读(96) 评论(0) 推荐(0)

P16.土堆说卷积（可选看）

摘要：16.1torch.nn.functional.conv2d的参数（官网）点击查看代码 input：input tensor of shape (minibatch,in_channels,iH,iW) weight：filters of shape (out_channels,in_channe 阅读全文

posted @ 2025-11-04 20:53 风居住的街道DYL 阅读(19) 评论(0) 推荐(0)

P17.神经网络——卷积层

摘要：17.1官网：Docs-PyTorch-torch.nn-Convolution Layers 1.nn.Conv2d：图像主要是二维矩阵点击查看代码 class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, p 阅读全文

posted @ 2025-11-05 10:40 风居住的街道DYL 阅读(31) 评论(0) 推荐(0)

P18_神经网络-最大池化的使用

摘要：18.1打开pytorch官网：Docs-PyTorch-torch.nn-Pooling Layers-MaxPool2d 1.MaxPool2d参数的Parameters class torch.nn.MaxPool2d (kernel_size, stride=None, padding=0, 阅读全文

posted @ 2025-11-19 21:17 风居住的街道DYL 阅读(44) 评论(0) 推荐(0)

P19_神经网络-非线性激活

摘要：19.1打开pytorch官网 1.打开torch.nn-Non-linear Activations-ReLU 可见：ReLU当输入为正值时输出为自身，当输入为负值时输出为0。 2.打开torch.nn-Non-linear Activations-Sigmoid Sigmoid是连续、平滑的s型阅读全文

posted @ 2025-11-20 11:18 风居住的街道DYL 阅读(17) 评论(0) 推荐(0)

P20_神经网络-线性层及其他层介绍

摘要：20.1打开pytorch官网 1.打开torch.nn-Normalization Layers 找到BatchNorm2d：点击查看代码 class torch.nn.BatchNorm2d(num_features, eps=1e-05, momentum=0.1, affine=True, 阅读全文

posted @ 2025-11-20 19:56 风居住的街道DYL 阅读(8) 评论(0) 推荐(0)

P21_神经网络——搭建小实战和Sequential的使用

摘要：21.1打开pytorch官网 1.神经网络-搭建小实战和Sequential的使用（1）Sequential的使用：将网络结构放入其中即可，可以简化代码。（2）一个对CIFAR10进行分类的模型（3）模型的实现(下文) 21.2打开pycharm实现模型 1.第一步的Convolution 阅读全文

posted @ 2025-11-22 10:34 风居住的街道DYL 阅读(14) 评论(0) 推荐(0)

P22_损失函数与反向传播

摘要：22.1损失函数的作用计算实际输出和目标之间的差距为我们更新输出提供一定的依据（反向传播） 22.2几种官方文档中的损失函数打开torch.nn—Loss Functions：【注意：损失函数只能处理float类型的张量，可在张量设置时加入dtype=torch.float或者张量中出现小数阅读全文

posted @ 2025-11-22 18:08 风居住的街道DYL 阅读(17) 评论(0) 推荐(0)

P23_ 优化器（一）

摘要：23.1打开官网：torch.optim 1.优化器的使用（1）构造优化器放入模型参数、学习速率（2）调用优化器的step方法 optimizer.zero_grad()一定要写（3）优化器算法 params：参数，lr：学习速率（learning rate) 23.2代码实战： 1.复制n 阅读全文

posted @ 2025-11-23 12:01 风居住的街道DYL 阅读(13) 评论(0) 推荐(0)

P24_现有网络模型的使用及修改

摘要：24.1 VGG16网络模型：（1）打开pytorch(0.9.0)—torchvision.models—VGG （2）参数点击查看代码 pretrained (bool) – If True, returns a model pre-trained on ImageNet progress 阅读全文

posted @ 2025-11-23 21:45 风居住的街道DYL 阅读(18) 评论(0) 推荐(0)

P25_网络模型的保存与读取

摘要：25.1网络模型的保存（1）保存方式1:模型结构+模型参数点击查看代码 import torch import torchvision vgg16 = torchvision.models.vgg16(pretrained=False) #保存方式1,模型结构+模型参数 torch.save(v 阅读全文

posted @ 2025-11-24 19:57 风居住的街道DYL 阅读(10) 评论(0) 推荐(0)

P26_完整的模型训练套路（一）

摘要：1.准备数据集训练数据集和测试数据集点击查看代码 #1.准备数据集 #1.1训练数据集 from torch import nn from torch.utils.data import DataLoader train_data = torchvision.datasets.CIFAR10(" 阅读全文

posted @ 2025-11-24 20:15 风居住的街道DYL 阅读(10) 评论(0) 推荐(0)

P27_完整的模型训练套路（二）

摘要：如何辨别模型在训练过程中有没有训练好以及有没有达到我需要训练的需求？不需要对模型进行调优了，直接利用现有的模型来进行一个测试: 9.测试步骤开始：用with torch.no_grad():环境取消梯度点击查看代码 #9.测试步骤开始： total_test_loss = 0 with tor 阅读全文

posted @ 2025-11-24 22:26 风居住的街道DYL 阅读(11) 评论(0) 推荐(0)

P28_完整的模型训练套路（三）

摘要：本节进行训练细节总结打开官网：torch.nn.Module，可以查看train mode 和eval mode .train()和.eval()只对特定层如Dropout和BatchNorm层起作用，但是最好还是加上；即在训练开始前加上.train()，在测试开始前加上.eval(): 点击查阅读全文

posted @ 2025-11-24 22:27 风居住的街道DYL 阅读(11) 评论(0) 推荐(0)

P29_利用GUP训练（一）

摘要：1.方法1：调用.cuda()方法（1）找到网络模型、数据（输入、标注）和损失函数，然后调用其.cuda()方法： ①网络模型如dyl模型：dyl.cuda()，②数据（输入、标注）即：imgs = imgs.cuda()，targets = targets.cuda()，③损失函数即loss_f 阅读全文

posted @ 2025-11-26 17:52 风居住的街道DYL 阅读(17) 评论(0) 推荐(0)

P30_利用GUP训练（二）

摘要：1.代码实战：（1）调用.to()方法即可。 .to(device) device = torch.device("cpu") torch.device("cuda") 点击查看代码 #12.定义训练的设备 # device = torch.device("cpu") device = torch 阅读全文

posted @ 2025-11-26 20:06 风居住的街道DYL 阅读(8) 评论(0) 推荐(0)

P31_完整的模型验证套路

摘要：完整的模型验证（测试，demo）套路——利用已经训练好的模型，然后给它提供输入 1.png和jpg格式的图片通道数（1）png格式的图片是4通道（RGB三通道+透明度通道），jpg格式的图片是3通道（RGB），可以用PIL.Image.convert('RGB')来转换（不同截图软件保留的通道数也阅读全文

posted @ 2025-11-27 21:05 风居住的街道DYL 阅读(11) 评论(0) 推荐(0)

P32_【完结】看看开源项目

摘要：例如搜索pytorch，打开CycleGAN and pix2pix in PyTorch 1.一定要首先阅读README 2.训练模型的指令： python train.py --dataroot ./datasets/maps --name maps_cyclegan --model cycle 阅读全文

posted @ 2025-11-27 21:47 风居住的街道DYL 阅读(10) 评论(0) 推荐(0)

Samar-blog

导航

公告

合集-PyTorch深度学习快速入门教程_【B站】小土堆