随笔分类 -  PyTorch

利用GPU训练
摘要：方法一 网络模型、数据（输入、标注）以及损失函数.cuda() 点击查看代码 import torch import torchvision from torch import nn from torch.nn import Conv2d, MaxPool2d, Flatten, Linear, S 阅读全文
posted @ 2022-06-05 18:57 荒北 阅读(75) 评论(0) 推荐(0) 编辑
模型训练过程
摘要：准备数据集 点击查看代码 train_data = torchvision.datasets.CIFAR10("./dataset1", train=True, download=True, transform=torchvision.transforms.ToTensor()) test_data 阅读全文
posted @ 2022-06-05 18:35 荒北 阅读(146) 评论(0) 推荐(0) 编辑
网络模型的保存与读取
摘要：保存 点击查看代码 import torch import torchvision from torch import nn from torch.nn import Conv2d vgg16_false = torchvision.models.vgg16(pretrained=False) # 阅读全文
posted @ 2022-06-05 16:27 荒北 阅读(41) 评论(0) 推荐(0) 编辑
现有网络模型使用以及修改
摘要：点击查看代码 import torch import torchvision from torch import nn vgg16_false = torchvision.models.vgg16(pretrained=False) # pretrained=True 下载训练好的模型 # vgg1 阅读全文
posted @ 2022-06-05 16:03 荒北 阅读(20) 评论(0) 推荐(0) 编辑
优化器
摘要：lr : learning rate 学习速率 点击查看代码 import torch import torchvision from torch import nn from torch.nn import Conv2d, MaxPool2d, Flatten, Linear, Sequentia 阅读全文
posted @ 2022-06-05 15:34 荒北 阅读(33) 评论(0) 推荐(0) 编辑
损失函数与反向传播
摘要：损失函数 1.计算实际输出与目标之间的差距 2.为更新输出提供一定的依据（反向传播）--grad 损失函数（L1Loss、MSELoss、CrossEntropyLoss） import torch from torch.nn import L1Loss, MSELoss, CrossEntropy 阅读全文
posted @ 2022-06-05 14:59 荒北 阅读(121) 评论(0) 推荐(0) 编辑
搭建实战和Sequential的使用
摘要：点击查看代码 import torch from torch import nn from torch.nn import Conv2d, MaxPool2d, Flatten, Linear, Sequential from torch.utils.tensorboard import Summa 阅读全文
posted @ 2022-06-04 20:46 荒北 阅读(27) 评论(0) 推荐(0) 编辑
线性层及其他层
摘要：点击查看代码 import torch import torchvision from torch import nn from torch.nn import Linear from torch.utils.data import DataLoader dataset = torchvision. 阅读全文
posted @ 2022-06-03 15:55 荒北 阅读(21) 评论(0) 推荐(0) 编辑
非线性激活
摘要：非线性激活：引入非线性特征 点击查看代码 import torch import torchvision from torch import nn from torch.nn import ReLU, Sigmoid # input = torch.tensor([[1, -0.5], # [-1, 阅读全文
posted @ 2022-06-03 15:23 荒北 阅读(30) 评论(0) 推荐(0) 编辑
最大池化的使用
摘要：最大池化目的：保留输入特征，减小数据量 点击查看代码 import torch import torchvision from torch import nn from torch.nn import MaxPool2d # 最大池化目的：保留输入特征，减小数据量 from torch.utils. 阅读全文
posted @ 2022-06-03 15:05 荒北 阅读(60) 评论(0) 推荐(0) 编辑
卷积层
摘要：点击查看代码 import torch import torchvision from torch import nn from torch.nn import Conv2d from torch.utils.data import DataLoader from torch.utils.tenso 阅读全文
posted @ 2022-06-03 09:43 荒北 阅读(26) 评论(0) 推荐(0) 编辑
卷积操作
摘要：点击查看代码 import torch import torch.nn.functional as F input = torch.tensor([[1, 2, 0, 3, 1], [0, 1, 2, 3, 1], [1, 2, 1, 0, 0], [5, 2, 3, 1, 1], [2, 1, 0 阅读全文
posted @ 2022-06-02 19:56 荒北 阅读(19) 评论(0) 推荐(0) 编辑
神经网络的基本骨架-nn.Module的使用
摘要：点击查看代码 import torch from torch import nn class Test(nn.Module): def __init__(self): super().__init__() def forward(self, input): output = input + 1 re 阅读全文
posted @ 2022-06-01 14:46 荒北 阅读(38) 评论(0) 推荐(0) 编辑
DataLoader使用
摘要：点击查看代码 import torchvision from torch.utils.data import DataLoader # 测试集 from torch.utils.tensorboard import SummaryWriter test_set = torchvision.datas 阅读全文
posted @ 2022-05-30 21:01 荒北 阅读(42) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示