摘要:
模型保存、训练与验证 网络模型的保存与读取 在 PyTorch 中,模型的保存与加载有两种主要方式: 保存 & 加载完整模型(包括网络结构和参数) 只保存 & 加载模型参数(推荐方式) 可以直接跳过看最后几行。 PyTorch 提供 torch.save() 方法来保存模型,可以选择保存整个模型结构 阅读全文
摘要:
训练与优化 损失函数与反向传播 损失函数能够衡量神经网络输出与目标值之间的误差,同时为反向传播提供依据,计算梯度来优化网络中的参数。 torch.nn.L1Loss 计算所有预测值与真实值之间的绝对差。参数为 reduction : 'none':不对损失进行任何求和或平均,返回每个元素的损失。 ' 阅读全文
摘要:
深度学习模型构建 nn.Module torch.nn 是 PyTorch 提供的神经网络工具包,包含了构建神经网络所需的各种组件。nn.Module 是 PyTorch 中构建神经网络的基类,所有的神经网络模型都需要继承自该类。 import torch from torch import nn 阅读全文
摘要:
PyTorch 基础知识 基础知识 查看GPU nvidia-smi 查看PyTorch是否正常调用GPU import torch torch.cuda.is_available() 启动jupyter notebook jupyter notebook dir()函数可以查看包(如 torch) 阅读全文