随笔分类 - Pytorch学习
为了秋招以及后续的算法学习，对Pytorch进行从0到1的学习。
摘要：9.1 ONNX( Open Neural Network Exchange) 简介 ONNX( Open Neural Network Exchange) 通过定义一组与环境和平台无关的标准格式，使AI模型可以在不同框架和环境下交互使用，可以看作深度学习框架和部署端的桥梁。 PyTorch部署流水
阅读全文
摘要：由于本人未接触过也并未打算从事图像相关工作，所以只介绍了torchtext生态。有关torchvision和PytorchViseo只是了解了一下并未进行笔记输出。 torchtext简介 torchtext主要是用于自然语言处理（NLP）的工具包，主要包含四个部分： 数据处理工具 torchtex
阅读全文
摘要：7.1 可视化网络结构 7.1.1 使用torchinfo可视化网络结构 torchinfo的安装 # 安装方法一 pip install torchinfo # 安装方法二 conda install -c conda-forge torchinfo torchinfo的使用 -- totchin
阅读全文
摘要：6.1 自定义损失函数 6.1.1 以函数方式定义 def my_loss(output, target): loss = torch.mean((output-target)**2) return loss 6.1.2 以类方式定义 每一个损失函数的继承关系我们就可以发现Loss函数部分继承自_l
阅读全文
摘要：5.1 PyTorch模型定义的方式 5.1.1 必要的知识回顾 Module类是torch.nn模块里提供的一个模型构造类（nn.Moduel），是所有神经网络模块的基类，通过继承nn.Moduel定义所需的模型。 Pytorch模型定义包括两部分：各个部分的初始化（__init__）；数据流向定
阅读全文
摘要：import os import numpy as np import pandas as pd import torch import torch.nn as nn import torch.optim as optim from torch.utils.data import Dataset,
阅读全文
摘要：3.8 Pytorch优化器（） 优化器是根据网络反向传播的梯度信息来更新网络的参数，以起到降低loss函数计算值，使得模型输出更加接近真实标签。 3.9.1 Pytorch提供的优化器 torch.optim.ASGD(params, lr=0.01, lambd=0.0001, alpha=0.
阅读全文
摘要：3.5 损失函数 损失函数：也称模型的负反馈，是数据输入到模型当中，产生的结果与真实标签的评价指标，我们的模型可以按照损失函数的目标来做出改进。 3.5.1 二分类交叉熵损失函数 torch.nn.BCELoss(weight = None, size_average = None, reduce
阅读全文
摘要：3.1 构建PyTorch项目的基本配置 调用常用的库： import os import numpy as np import torch import torch.nn as nn # 常用的神经网络库 from torch.utils.data import Dataset,DataLoade
阅读全文
摘要：2.1 张量 2.2.1 简介 几何代数中定义的张量是基于向量和矩阵的推广。比如我们可以将标量视为零阶张量，矢量可以视为一阶张量，矩阵就是二阶张量。 张量维度 代表含义 0维 标量（数字） 1维 向量 2维 矩阵 3维 时序数据、文本数据、单张彩色图片（RGB) 4维 图像 5维 视频 张量的核心是
阅读全文
摘要：1.1 学习动机 2020-2022，Pytorch框架已经陪伴我两年，它是我研究生生活中必不可少的工具，在研究生最后的一年时光以及未来的工作中也同样是必不可少的工具。 现已秋招，底子薄，因此，特此跟随Datawhale的组队学习学习Pytorch，为秋招充电。 1.2 Pytorch简介 PyTo
阅读全文
