随笔分类 - pytorch
摘要：安装Huggingface的transformers库，安装该库之前要确保下载了pytorch或者tensorflow2.0的框架。 pip install transformers transformers库安装好之后我们就可以使用其提供的预训练模型进行使用了。使用之前先介绍一些相关的内容：一个完
阅读全文
摘要：均方误差（MSE） 使用方法如下： import torch import torch.nn as nn a = torch.tensor([[1,2,3],[4,5,6]],dtype=torch.float) b = torch.tensor([[1,3,5],[6,5,4]],dtype=to
阅读全文
摘要：1. 首先导入需要用到的包 from torch.utils.data import DataLoader,Dataset 2. 自定义Dataset 一般情况下我们使用Dataset，需要自定义一个类来继承Dataset，然后实现__getitem__()方法和__len__()方法 使用示例如下
阅读全文
摘要：写在前面：下面的内容基于pytorch的版本为：1.7.1 1. 预训练嵌入向量的使用 import gensim model = gensim.models.KeyedVectors.load_word2vec_format('./w2v_model.txt',binary=False, enco
阅读全文
摘要：tensor.equal()方法： # 该方法用于比较两个tensor是否一样，一样则返回True否则为False a = torch.tensor([1,2,3,4]) b = torch.tensor([1,2,3,4]) print(a.equal(b)) # 返回True tensor.eq
阅读全文
摘要：数据类型之间的转换 numpy转list list = ndarray.tolist() tensor转numpy ndarray = tensor.numpy() # 注意gpu上的tensor不能直接转为numpy，应先放回cpu中 ndarray = tensor.cpu().numpy()
阅读全文
摘要：与GPU的相关操作 查看gpu是否可用 torch.cuda.is_available() # 可用返回True，不可用返回False 返回可用的CPU的数量 torch.cuda.device_count() 返回gpu的名字，设备索引默认从0开始 torch.cuda.get_device_na
阅读全文
摘要：在pytorch中有两种模型保存方式，如下所示： # 第一种：只保留模型参数： torch.save(model.state_dict(),path) # 保存 model.load_state_dict(torch.load(path)) # 加载（需提前定义模型） # 第二种：保存整个模型： t
阅读全文
