随笔分类 -  A---pytorch框架

上一页 1 2 3
深度学习与Pytorch入门实战（十）ResNet&nn.Module
摘要：摘抄 1. ResNet 2. nn.Module 在PyTorch中nn.Module类是用于 定义网络中 前向结构 的父类 当要定义自己的网络结构时就要继承这个类 现有的那些类式接口（如nn.Linear、nn.BatchNorm2d、nn.Conv2d等）也是继承这个类的 nn.Module类 阅读全文
posted @ 2020-07-21 23:00 douzujun 阅读(1171) 评论(0) 推荐(0)
深度学习与Pytorch入门实战（九）卷积神经网络&Batch Norm
摘要：笔记摘抄 1. 卷积层 1.1 torch.nn.Conv2d() 类式接口 torch.nn.Conv2d(self, in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=T 阅读全文
posted @ 2020-07-21 00:23 douzujun 阅读(1347) 评论(0) 推荐(0)
深度学习与Pytorch入门实战（八）数据集划分&正则化方法
摘要：笔记摘抄 1. 训练集&验证集&测试集 训练集：训练数据 验证集：验证不同算法（比如，利用网格搜索对超参数进行调整等），检验哪种更有效 测试集：正确评估分类器的性能 正常流程： 验证集会记录每个时间戳的参数 在加载test数据前会加载那个最好的参数，再来评估。 比方说训练完6000个epoch后，发 阅读全文
posted @ 2020-07-16 22:55 douzujun 阅读(937) 评论(0) 推荐(0)
深度学习与Pytorch入门实战（七）Visdom可视化工具【数字识别实例】
摘要：笔记摘抄 1. 安装visdom 安装教程 2. 开启监听进程 python -m visdom.server 3. 访问 用chrome浏览器访问url连接：http://localhost:8097 4. 可视化训练 在之前定义网络结构（参考上一节）的基础上加上Visdom可视化。 在训练-测试 阅读全文
posted @ 2020-07-16 19:07 douzujun 阅读(812) 评论(1) 推荐(0)
深度学习与Pytorch入门实战（六）定义MLP&GPU加速&测试【数字识别实例】
摘要：笔记摘抄 Pytorch定义网络结构识别手写数字，可以对网络中的参数w和b进行手动定义的(参考上一节) 也可以直接用 nn.Linear 定义层的方式来定义 更加方便的方式是直接继承 nn.Module 来定义自己的网络结构。 1. nn.Linear方式 import torch import t 阅读全文
posted @ 2020-07-16 15:55 douzujun 阅读(1239) 评论(0) 推荐(0)
深度学习与Pytorch入门实战（五）分类问题以及优化【数字识别实例】
摘要：笔记摘抄 1. 分类问题 1.1 二分类 \(f:x\rightarrow p(y=1|x)\) \(p(y=1|x)\)： 解释成给定x，求y=1的概率，如果概率>0.5，预测为1；否则，预测为0 \(p_{\theta}(y|x)\)：给定x，输出预测值的概率 \(p_{r}(y|x)\)：给定 阅读全文
posted @ 2020-07-16 01:20 douzujun 阅读(1070) 评论(0) 推荐(0)
深度学习与Pytorch入门实战（四）反向传播梯度
摘要：笔记摘自 1. 感知机 单层感知机： import torch from torch.nn import functional as F x = torch.randn(1,10) w = torch.randn(1,10,requires_grad=True) o = torch.sigmoid( 阅读全文
posted @ 2020-07-14 17:54 douzujun 阅读(466) 评论(0) 推荐(0)
深度学习与Pytorch入门实战（三）激活函数及梯度
摘要：笔记摘抄 1. 激活函数 图片来源 # 激活函数 z1 = torch.linspace(-100,100,10) print(z1) # tensor([-100.0000, -77.7778, -55.5556, -33.3333, -11.1111, 11.1111, 33.3333, 55. 阅读全文
posted @ 2020-07-14 01:15 douzujun 阅读(564) 评论(0) 推荐(0)
深度学习与Pytorch入门实战（二）Pytorch张量高阶操作
摘要：笔记摘抄 1. Broadcasting Broadcasting能够实现 **Tensor自动维度增加（unsqueeze）**与 维度扩展（expand） 使两个Tensor的shape一致，从而完成某些操作，主要步骤： 从最后面的维度开始匹配（一般后面理解为小维度）； 在前面插入若干维度，进行 阅读全文
posted @ 2020-07-11 19:38 douzujun 阅读(713) 评论(0) 推荐(0)
深度学习与Pytorch入门实战（一）Pytorch张量操作
摘要：1. 数据类型 如何表示string? One-hot [0, 1, 0, 0, ...] Embedding Word2vec glove 类型推断 import torch # type check a = torch.randn(2, 3) print(a.type()) #torch.Flo 阅读全文
posted @ 2020-07-11 00:10 douzujun 阅读(921) 评论(0) 推荐(0)
conda离线安装
摘要：conda install --offline ./cudnn-7.0.5-cuda8.0_0.tar.bz2 阅读全文
posted @ 2020-06-30 18:22 douzujun 阅读(2651) 评论(0) 推荐(0)
pip install xxx 超时
摘要：换源： 清华：https://pypi.tuna.tsinghua.edu.cn/simple/ 阿里云：http://mirrors.aliyun.com/pypi/simple/ 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/ 华中理工大学：htt 阅读全文
posted @ 2020-06-13 21:17 douzujun 阅读(196) 评论(0) 推荐(0)
如何安装pytorch
摘要：https://blog.csdn.net/yuanzhoulvpi/article/details/86742729 https://blog.csdn.net/qq_34342852/article/details/97673819 离线安装 用conda安装会比较方便，下面直接用conda安装 阅读全文
posted @ 2020-06-06 18:18 douzujun 阅读(611) 评论(0) 推荐(0)
深度学习代码索引
摘要：本篇博客总结了，可能会重复使用的代码的索引，方便查找 分类性能度量 P-R曲线绘制 #利用鸢尾花数据集绘制P-R曲线 print(__doc__) #打印注释 import matplotlib.pyplot as plt import numpy as np from sklearn import 阅读全文
posted @ 2020-06-02 17:48 douzujun 阅读(326) 评论(0) 推荐(0)

上一页 1 2 3