随笔分类 - PyTorch官网-中文教程
摘要：在60分钟闪电战中，我们像你展示了如何加载数据，通过为我们定义的nn.Module的子类的model提供数据，在训练集上训练模型，在测试集上测试模型。为了了解发生了什么，我们在模型训练时打印了一些统计数据，以观察训练是否正在进行。但是，我们可以做的比这更好：PyTorch和TensorBoard的集
阅读全文
摘要：该教程是在notebook上运行的，而不是脚本，下载notebook文件。 PyTorch提供了设计优雅的模块和类：torch.nn, torch.optim, Dataset, DataLoader，以创建和训练神经网络。为了充分利用其功能，并根据问题进行自定义，需要充分理解它们做的是什么。为了提
阅读全文
摘要：注意：这是旧版本的PyTorch教程的一部分。你可以在Learn the Basics查看最新的开始目录。 该教程通过几个独立的例子介绍了PyTorch的基本概念。 核心是：PyTorch提供了两个主要的特性： 一个n维的Tensor，与Numpy相似但可以在GPU上运行 构建和训练神经网络的自动微
阅读全文
摘要：本节我们将会看到如何保存模型状态、加载和运行模型预测 import torch import torchvision.models as models 保存和加载模型权重 PyTorch模型在一个称为 state_dict 的内部状态字典内保存了学习的参数，可以通过 torch.save实现这一过程
阅读全文
摘要：既然已经有模型和数据了，是时候在数据上优化模型参数来训练、验证和测试它了。模型训练是一个迭代过程；在每一次迭代（epoch），模型会作出一个预测，计算其预测误差（loss），收集误差关于模型参数的导数（如前一节所述），并使用梯度优化这些参数。关于这一过程的详细信息，可以观看backpropagati
阅读全文
摘要：训练神经网络时，最常用的算法就是反向传播。在该算法中，参数（模型权重）会根据损失函数关于对应参数的梯度进行调整。 为了计算这些梯度，PyTorch内置了名为 torch.autograd 的微分引擎。它支持任意计算图的自动梯度计算。 一个最简单的单层神经网络，输入 x，参数 w 和 b，某个损失函数
阅读全文
摘要：神经网络由对数据进行操作的layers/modules组成。torch.nn 命名空间提供了所有你需要的构建块，用于构建你自己的神经网络。PyTorch的每一个module都继承自nn.Module。神经网络本身也是包含其它module（layer）的module。这种嵌套结构允许轻松构建和管理复杂
阅读全文
摘要：数据并不总是满足机器学习算法所需的格式。我们使用transform对数据进行一些操作，使得其能适用于训练。 所有的TorchVision数据集都有两个参数，用以接受包含transform逻辑的可调用项-transform 修改features，targe_transform 修改标签。torchvi
阅读全文
摘要：用于处理数据样本的代码可能会变得凌乱且难以维护；理想情况下，我们希望数据集代码和模型训练代码解耦（分离），以获得更好的可读性和模块性。PyTorch提供了两个data primitives：torch.utils.data.DataLoader 和 torch.utils.data.Dataset，
阅读全文
摘要：Tensor是一种特殊的数据结构，非常类似于数组和矩阵。在PyTorch中，我们使用tensor编码模型的输入和输出，以及模型的参数。 Tensor类似于Numpy的ndarrays，除了tensor能在GPUs或其它硬件加速器上运行。事实上，tensor和NumPy数组可以共享相同的底层内存，而不
阅读全文
摘要：本节介绍有关机器学习常见任务重的API。请参阅每一节的链接以深入了解。 Working with data PyTorch有两个有关数据工作的原型：torch.utils.data.DataLoader 和 torch.utils.data.Dataset。Dataset 存储了样本及其对应的标签，
阅读全文
摘要：大多数机器学习流程都包括数据、创建模型、优化模型参数，以及保存训练模型工作。该教程向你介绍一个在PyTorch上实现的完整的机器学习工作流，并提供了了解这些概念详细信息的链接。 我们将使用FashionMNIST数据集训练一个神经网络，用以预测输入图片是否属于以下几类：T-shirt/top, Tr
阅读全文
摘要：你已经知道怎样定义神经网络，计算损失和更新网络权重。现在你可能会想， 那么，数据呢？ 通常，当你需要解决有关图像、文本或音频数据的问题，你可以使用python标准库加载数据并转换为numpy array。然后将其转换为 torch.Tensor。 对于图像，例如Pillow，OpenCV 对于音频，
阅读全文
摘要：神经网络可以使用 torch.nn包构建。 现在你已经对autograd有所了解，nn依赖 autograd 定义模型并对其求微分。nn.Module 包括层，和一个返回 output 的方法 - forward(input)。 例如，看看这个对数字图片进行分类的网络： convnet 这是一个简单
阅读全文
摘要：torch.autograd 是PyTorch的自动微分引擎，用以推动神经网络训练。在本节，你将会对autograd如何帮助神经网络训练的概念有所理解。 背景 神经网络（NNs）是在输入数据上执行的嵌套函数的集合。这些函数由参数（权重、偏置）定义，并在PyTorch中保存于tensors中。 训练N
阅读全文
摘要：Tensor是一种特殊的数据结构，非常类似于数组和矩阵。在PyTorch中，我们使用tensor编码模型的输入和输出，以及模型的参数。 Tensor类似于Numpy的数组，除了tensor可以在GPUs或其它特殊的硬件上运行以加速运算。如果熟悉ndarray，那么你也会熟悉Tensor API。如果
阅读全文
摘要：什么是PyTorch？ PyTorch 是一个基于Python的科学计算包，有两大用途： NumPy的替代品，可使用GPUs和其它加速器的强大功能 一个用于实现神经网络的自动微分库 此教程的目标： 高层次理解PyTorch的张量库和神经网络。 训练一个用于分类图片的小型神经网络。
阅读全文
