随笔分类 -  pytorch

pytorch注意事项
摘要：1、定义网络时init和forward一块写 2、没有训练参数的层写到init中 3、注意调整网络的train和eval模式 阅读全文
posted @ 2020-08-03 11:06 6+0 阅读(165) 评论(0) 推荐(0)
pytorch易忘
摘要：1、数据集 (1)继承Dataset或使用tv.datasets.ImageFolder() 目标路径下有至少一个文件夹 (2)tv.transforms.Compose (3)加载数据 (4)数据分组 class Dataset(torch.utils.data.Dataset): def __i 阅读全文
posted @ 2020-04-08 16:06 6+0 阅读(176) 评论(0) 推荐(0)
pytorch搭建网络模型的4种方法
摘要：import torch import torch.nn.functional as F from collections import OrderedDict # Method 1 class Net1(torch.nn.Module): def __init__(self): super(Net 阅读全文
posted @ 2020-03-08 19:52 6+0 阅读(1102) 评论(0) 推荐(0)
损失函数
摘要：1、torch.nn.CrossEntropyLoss() 用于多分类问题 loss_func=torch.nn.CrossEntropyLoss() loss=loss_func(input_data,input_target) 其中input_data的shape一般是(batch_size,o 阅读全文
posted @ 2020-02-24 16:19 6+0 阅读(298) 评论(0) 推荐(0)
利用torch.utils.data.Dataset自定义数据加载类
摘要：import torch as tfrom torch.utils import dataimport osfrom PIL import Imageimport numpy as np import torchvision.transforms as T transforms = T.Compos 阅读全文
posted @ 2020-02-17 10:06 6+0 阅读(2727) 评论(1) 推荐(1)
深度学习概念
摘要：神经元：函数 神经网络（模型）的本质：函数网络 深度学习的本质：反向传播求偏导 梯度：向量（有大小和方向），函数在该点的方向导数取得最大值的方向，在该点处梯度的方向为函数变化最快的方向 梯度下降：梯度的负方向是函数下降最快的方向 收敛：取得最小值 权重：输入进入神经元前乘的数 偏置：乘完权重加的数 阅读全文
posted @ 2020-02-13 17:57 6+0 阅读(181) 评论(0) 推荐(0)
pytorch介绍
摘要：2017年 一种基于动态图的深度学习框架 计算图包括静态计算图（先定义再运行）和动态计算图（在运行中定义） Tensor：n维数组，与numpy的ndarray类似，但支持GPU加速 阅读全文
posted @ 2020-02-13 12:58 6+0 阅读(173) 评论(0) 推荐(0)
pytorch
摘要：1、 a b c d dim/len（shape）：2 shape/size：torch.Size（[2, 2]） numel == 2 * 2（number of element） 2、三种常用数据类型 torch.FloatTensor（） torch.ByteTensor（） torch.In 阅读全文
posted @ 2020-01-08 21:52 6+0 阅读(155) 评论(0) 推荐(0)