随笔分类 - pytorch
摘要：1、github上 看一个项目的时候 一定要读readme（因为它会告诉你怎么安装，安装的方法，注意事项） 2、难点：参数的设置 可以使用命令来运行，文件名字前加一个python，然后--dataroot，这种带斜杠的是和参数设置文件中的带“--”的一一对应，后面是给它赋的值。
阅读全文
摘要：利用已经训练好的模型，给它提供输入 1 '''完整模型的验证''' 2 import torch 3 import torchvision 4 from PIL import Image 5 from torch import nn 6 7 '''1、就是真实的应用场景：待预测的一张陌生图''' 8
阅读全文
摘要：2、除了调用.cuda()函数，也可以定义一个设备变量，然后调用.to(设备device)函数将其引到设备上去 还是那三个部分： 网络模型； 数据集； 损失函数 1 '''定义一个训练的设备''' 2 device=torch.device('cpu') 3 #device=torch.device
阅读全文
摘要：1、使用GPU来训练，找到四个板块的cuda函数，进行调用 1、 只有当cuda可用的时候才把变量引过去，下面调用的时候都一样，但是这样每次都写会很麻烦 2、数据集是不能直接调用cuda函数的 在训练和测试的时候调用 3、损失函数调用cuda 4、如果自己的电脑没有gpu，可以用谷歌的一个网站：Go
阅读全文
摘要：1、在训练、测试步骤开始的时候 并不是一定要设置训练或者测试模式才能开始训练,如果网络模型中有特殊的层可以调用，但是如果没有，调用也不会出错的。
阅读全文
摘要：1、其实在没训练完 一轮 之后，可以对它进行一个测试，在测试数据集上跑一遍 以测试集上的损失或者正确率来评估模型是否训练好 2、在测试的过程中不需要进行调优，所以可以用 with torch.no_grad(): #测试步骤： total_test_loss=0 #记录总的损失差 with torc
阅读全文
摘要：1、以CIFAR10为例子 1 '''以CIFAR10为例子训练完整的模型步骤''' 2 import torch 3 import torchvision 4 from torch import nn 5 from torch.nn import Conv2d 6 from torch.utils
阅读全文
摘要：1、模型的保存 1 '''1、模型的保存''' 2 import torch 3 import torchvision 4 5 vgg16=torchvision.models.vgg16(pretrained=False) 6 #保存方式1: 保存网络模型结构也+模型参数 7 torch.save
阅读全文
摘要：1、网络模型在pytorch里面的torchvision里面torchvision.models，是关于图像类的网络模型 2、简单以一个分类模型为例子： VGG（最常用的是VGG16和VGG19） pretrained: 如果是true的话，说明在ImageNet数据集上，模型的参数是都训练好的；
阅读全文
摘要：1、optim的使用步骤： （1）构造优化器 （2）调用step方法 利用得到的梯度来对参数进行更新 loss_cross=CrossEntropyLoss() #损失cifar=CIFAR10_modle() #创建神经网络'''1、创建优化器'''optim=torch.optim.SGD(ci
阅读全文
摘要：1、损失函数 （1）计算实际输出和目标之间的差距； （2）为更新输出提供一定的依据（反向传播）； Loss Function： nn.L1Loss: 输入值是x，输出值是y，那么L1Loss是采用 |yi-xi|/x的个数，就是每一个对应的y-x的绝对差值加起来再求平均 要关注输入数据尺寸大小 ''
阅读全文
摘要：1、CIFAR10神经网络模型 卷积操作一般会使图像尺寸变小的，因为第一层卷积，卷积操作之后图像大小仍然是32，所以有可能用了padding进行填充。 根据公式算一算： 经过计算可以知道padding=2，stride=1 没有使用Sequential的写法： 使用Sequential的写法，更简洁
阅读全文
摘要：1、正则化层 Normalization Layers 对 输入 采用正则化的话，可以加快神经网络的训练速度 也就是通道数的大小 2、Recurrent Layers****（特定网络使用） 一般用于文字识别当中 3、Transform Layers*****（特定网络使用） 4、Linear La
阅读全文
摘要：1、常用的relu和sigmoid relu： relu函数对图像的作用不是很明显 sigmoid： 非线性激活就是能够保留图像中那些曲线特征 '''非线性激活'''import torchimport torchvisionfrom torch import nnfrom torch.nn imp
阅读全文
摘要：1、打开官网 torch.nn Pooling Layers 最大池化，平均池化，自适应池化 最常用的是MaxPool2d 2、池化操作::: 默认情况下 ceil_mode 是False 3、为什么要进行最大池化？最大池化的作用？ 保留输入图像的特征 ,同时减少数据量，加速训练。
阅读全文
摘要：1、去pytorch官网 doc官方文档 pytorch torch.nn Convolution.Layers dilation：卷积核中每一个对应位的距离 groups：通常是1，如果是别的数字代表 分组卷积 很少用 bias：偏执，通常设置为 True，代表是否对卷积后的结果再 加/减 一个常
阅读全文
摘要：1、打开pytorch的官网 官方文档doc里的pytorch 关于神经网络的一些工具主要在torch.nn里面（nn是neural network的缩写） 2、torch.nn分为不同的类别 containers: 主要是给神经网络定义了一个骨架结构 module模块是最常用的（是所有神经网络的基
阅读全文
摘要：dataloader数据加载器：将数据加载到神经网络中。定义每次取多少数据，怎么取 1、打开pytorch官网 Doc中找pytorch官方文档 搜索dataloader 出现在torch.utils,.data.DataLoader工具包中， 常用参数设置： dataset：数据集的位置 batc
阅读全文
摘要：transforms要用来处理数据集中的每一张图片， 本节主要讲解怎么把数据集和transforms结合在一起；在实际应用中该如何去下载数据集，如何去组织，查看以及使用 去pytorch官网，找到torchvision模块，里面会有数据集的api，使用的时候可以利用一些参数直接自动下载 1、torc
阅读全文
摘要：*****其实就是学会使用trannsforms的.py文件中的不同class类 主要关注点：*输入 *输出 *作用 图片的输入数据类型： 打开方式： PIL Image.open( ) tensor ToTensor( ) narrays (矩阵) cv.imread( ) from PIL.Im
阅读全文
浙公网安备 33010602011771号