随笔分类 - 深度学习
摘要：一、安装TensorBoard 要与自己的项目的cuda,torch,tensorflow的版本匹配 在对应项目的虚拟环境中，输入以下命令： pip install tensorboard==1.15.0 安装成功： 二、Tensorboard的使用 应用：查看loss; 显示具体哪一步的outpu
阅读全文
摘要：用途：可以用于添加数据集做数据增强 一、代码实现流程 从Dataset类中输入图片，并获取label 下载opencv,读取图片 利用IMG读图 from PIL import Image 获取图片的路径： 获取单张图片 控制台验证： 图片路径：在windows中需要转义字符\\ from PIL
阅读全文
摘要：一、数据加载的两个类 Dataset Dataloader 二、查看数据集和label 文件的名称就是label 训练的图片和训练的label是分开的 直接把label写在图片名上 三、数据模块 引入数据模块 from torch.utils.data import Dataset 查看Datase
阅读全文
摘要：一、pycharm创建项目及使用 创建项目 配置虚拟环境(可根据前面的章节查阅) 编写代码 二、控制台的使用 三、jupyter创建项目及使用 与pycharm项用一个项目 进入你的项目所在盘 选择虚拟环境 新建文件 编写代码 四、三者的区别 pycharm 控制台 shift+enter 换行 可
阅读全文
摘要：理解Package结构及法宝函数的作用 总结： dir函数：能让我们知道工具箱及工具箱中的分割区有什么东西 help函数：能让我们知道每个工具是如何使用的，工具的使用方法 实战运用两大函数的法宝 在控制台输入 dir(torch) dir(torch.cuda) dir(torch.cuda.is_
阅读全文
摘要：一、is_available返回False 通过设备管理器->性能 看能否查询到自身的GPU 更新驱动 英伟达官网：https://www.nvidia.cn/ 搜索: 下载： 验证： nvidia-smi 二、下载本地包 conda install --use-local 包名
阅读全文
摘要：一、pycharm中添加虚拟环境 新建项目 选择虚拟环境 验证环境配置成功 在控制台输入 在控制台输入命令会经常使用，可以看到变量的细节 二、jupyter中添加虚拟环境 安装 直接通过conda进行安装 在虚拟环境中安装jupyter需要的包 # 在Anaconda Prompt中base环境下输
阅读全文
摘要：参考视频 相关资料： 代码：https://github.com/xiaotudui/PyTorch-Tutorial 蚂蚁蜜蜂/练手数据集：链接: https://pan.baidu.com/s/1jZoTmoFzaTLWh4lKBHVbEA 密码: 5suq 课程资源：https://pan.b
阅读全文
摘要：
阅读全文
摘要：1 softmax回归的从零开始实现 #使用Fashion-MNIST数据集，并设置数据迭代器的批量大小为256 from IPython import display from mxnet import autograd,gluon,np,npx from d2l import mxnet as
阅读全文
摘要：1 图像分类数据集 采用的是Fashion-MNIST数据集 %matplotlib inline import torch import torchvision from torch.utils import data from torchvision import transforms #对数据
阅读全文
摘要：一、损失函数 均方损失（L2 Loss）: 绝对值损失函数（L1 Loss）： 哈勃鲁棒损失（Huber's Robust Loss）:
阅读全文
摘要：一、softmax回归 softmax回归实际上是用于解决分类问题的。 1. 回归和分类的区别 2.如何从回归转换到分类 3.分类问题 一般的分类问题并不与类别之间的自然顺序有关。 发明了一种表示分类数据的简单方法：独热编码（one-hot encoding）。独热编码是一个向量，它的分量和类别一样
阅读全文
摘要：线性回归的简洁实现 使用开源框架实现： 通过张量来进行数据存储和线性代数 通过自动微分来计算梯度 1 生成数据集 import numpy as np import torch from torch.utils import data from d2l import torch as d2l tru
阅读全文
摘要：线性回归的从零开始实现 1 生成数据集 导入需要的包 %matplotlib inline #默认嵌入到matplotlib里面 import random import torch from d2l import torch as d2l 构造数据集 def synthetic_data(w,b,
阅读全文
摘要：一、线性回归 1 线性模型 2 线性模型可以看成单层神经网络 3 神经网络源于神经科学 4 衡量预测质量 平方损失 5 案例-房价预测 (1) 简化模型 (2) 训练数据 (3) 参数学习 (4) 显示解 6 总结 二、基础优化方法 1 梯度下降 (1) 基本步骤 (2) 选择学习率 2 小批量随机
阅读全文
摘要：查阅文档 1 查找模块中的所有函数和类 查询随机数生成模块中的所有属性： import torch print(dir(torch.distributions)) 2 查找特定函数和类的用法 调用help函数。例如，我们来查看张量ones函数的用法。 help(torch.ones)
阅读全文
摘要：自动求导 深度学习框架通过自动计算导数，即自动求导（automatic differentiation），来加快这项工作。 根据我们设计的模型，系统会构建一个计算图，来跟踪计算是哪些数据通过哪些操作组合起来产生输出。 自动求导使系统能够随后反向传播梯度 反向传播只是意味着跟踪整个计算图，填充关于每个
阅读全文
摘要：微分 1 标量导数 2 亚导数 3 梯度
阅读全文
摘要：线性代数 1 标量 标量由只有一个元素的张量表示。 # 标量的基本运算 import torch x=torch.tensor([3.0]) y=torch.tensor([2.0]) x+y,x*y,x/y,x**y 2 向量 将向量视为标量值组成的列表 将这些标量值称为向量的元素（element
阅读全文
浙公网安备 33010602011771号