随笔分类 - PyTorch
pytorch笔记
摘要：测试中间层输出 import torch import numpy as np from PIL import Image from torchvision import transforms, models import matplotlib.cm from torchinfo import su
阅读全文
摘要：VGG16 from torch import nn class VGG(nn.Module): """ 一共6个版本，最常用VGG16 VGG采用五组卷积，三个全连接，最后用Softmax分类 VGG显著特点：每次经过池化层maxpool后特征图尺寸减小一倍，，通道数增加一倍（最后一个池化层除外）
阅读全文
摘要：实现神经网络 torch 将张量转换为torch.cuda.TensorFloat并在GPU上进行计算 torch.autograd 构建计算图并自动获取梯度 torch.nn 具有共享层和损失函数的神经网络库 torch.optim 通用优化算法 神经网络基本结构 网络层：神经网络的基本模型 网络
阅读全文
摘要：PyTorch数据处理工具箱 torch.utils.data Dataset 抽象类，其他数据集类定义时需继承自该类，并覆写两个方法：getitem__和__len DataLoader 定义一个新的迭代器，实现批量batch读取，打乱shuffle数据和并行加速等功能 random_split
阅读全文
摘要：优化器 建立优化器实例 所有的优化方法都继承自optim.Optimizer 包含属性： optimizer.defaults optimizer.param_groups optimizer.param_groups[0].keys() torch.optim实现了大多数优化方法，如RMSProp
阅读全文
摘要：卷积层 提取数据特征，矩阵点乘求和运算 import torch from torch import nn conv = nn.Conv2d(in_channels=1, out_channels=1, kernel_size=3, stride=1, padding=1, dilation=1,
阅读全文
摘要：autograd自动求导 torch.Tensor与torch.Function为autograd的核心类，其相互连接生成DAG，PyTorch采用动态计算图，每次前向传播时会重新构建计算图 Tensor部分属性说明： requires_grad属性 新建Tensor时，用requires_grad
阅读全文
