随笔分类 - PyTorch
PyTorch学习笔记
摘要:原贴地址: https://blog.csdn.net/qq_34919792/article/details/104262255 时间序列是很多数据不可缺少的特征之一,其应用很广泛,如应用在天气预测,人流趋势,金融预测等。感觉在时间序列的使用上大致可以分为两部分,一种是基于时间序列的分类任务,一种
阅读全文
摘要:时间序列预测案例一: 正弦波 PyTorch 官方给出了时间序列的预测案例: https://github.com/pytorch/examples/tree/master/time_sequence_prediction 这是一个初学者上手的例子。它有助于学习pytorch和时间序列预测。本例中使
阅读全文
摘要:提示: 如果本文中add_graph的显示不正确(两个空白的方框),你可能需要参考我的环境配置: tensorflow版本:tensorflow-1.10.0-py3.6_cuda92_cudnn7_0; tensorboard版本:1.10.0; pytorch版本: pytorch-1.3.1-
阅读全文
摘要:写在前面 在本教程中,我们将学习: 通过 使用多GPU训练模型. 数据拟合. 使用多GPU python device = torch.device("cuda:0") model.to(device) 返回my_tensor的一个GPU上的备份, 而不是重写覆盖了 ,这种写法是不正确的 myten
阅读全文
摘要:基于CNN的CIFAR10图像分类 完整代码如下: cifar10教程补充内容 更优选的网络,类似VGG 这个网络比前面那个准确率更高一些. 显示图片及标签 显示一些训练集中的照片: 显示预测结果和实际结果:
阅读全文
摘要:上一节中,我们使用autograd的包来定义模型并求导。本节中,我们将使用torch.nn包来构建神经网络。 一个nn.Module包含各个层和一个forward(input)方法,该方法返回output. 上图是一个简单的前馈神经网络。它接受一个输入。然后一层接着一层地传递。最后输出计算的结果。
阅读全文
摘要:PyTorch所有神经网络的核心是 autograd 自动微分。该 autograd 软件包为 Tensors 上的所有操作提供自动微分。 计算图 = Tensor + Function PyTorch也是以 为核心进行微分的。这与TensorFlow中是一致的。在计算图中,圆圈/矩形等表示 ,而线
阅读全文
摘要:库导入 矩阵(张量)创建函数ones/zeros/rand(n)/empty/full/eye 序列生成 矩阵运算函数 python x.size() 获取矩阵形状 output: torch.Size([5,3]) x[:,1] 类似numpy的方法来访问元素 1 矩阵加法 | x + y | t
阅读全文
摘要:环境选择 Anaconda + CUDA9.2 + PyCharm Anaconda3-5.2.0-Windows-x86_64.exe; cuda_9.2.148.1_windows.exe和cuda_9.2.148.1_windows.exe; 注意安装Anaconda后如果环境变量PATH中没
阅读全文
摘要:本笔记参考资料: https://github.com/zergtant/pytorch handbook; "PyTorch官方教程中文版" . https://zhuanlan.zhihu.com/p/28636490. 相信你肯定已经了解过Tensorflow的笔记了。 本笔记特别适合于从Te
阅读全文