分类 PyTorch 教程 下的文章

PyTorch生成复数tensor：torch.complex函数
撰写于：  浏览：387 次  分类：PyTorch 教程
1、torch.complex函数介绍在PyTorch中我们可以生成复数tensor，方法是：torch.complex(real, imag, *, out=None) 参数介绍：real：生成的复数中的实部。imag：生成的复数中的虚部。out：输出的tensor。提示：real实部和imag虚部必须类型，而且只能是float32或者doubl[...]
torch.set_printoptions 更改打印设置
撰写于：  浏览：368 次  分类：PyTorch 教程
1、torch.set_printoptions方法简介torch.set_printoptions方法是来修改pytorch中的打印选项的，就是使用print打印tensor时，我们显示的元素精度，最多显示元素个数等一系列相关操作的选项。如下所示：>>> # 限制tensor的输出精读 >>> torch.se[...]
PyTorch API 学习建议
撰写于：  浏览：1701 次  分类：PyTorch 教程
学习PyTorch，应当多看看它的API文档。PyTorch API文档，如同一座金矿，等着我们去开采。下面给大家分享一下我的个人经验。常言道，书读百遍其义自见，只有看得多了才能发现门道。PyTorch API总共分为几大模块：（1）torch模块。这是针对tensor进行全局设置的模块，毕竟tensor是pytorch的核心，主要常用的函数有：全[...]
PyTorch nn.Sequential 三种用法介绍
撰写于：  浏览：373 次  分类：PyTorch 教程
Sequential 是 PyTorch 中的一种神经网络框架，它可以被认为是一个容器，其封装了神经网络的结构。Sequential 模型只有一组输入和一组输出。各层之间按照先后顺序进行堆叠。前面一层的输出就是后面一次的输入。通过不同层的堆叠，构建出神经网络。1、Sequential的源码分析class Sequential(Module): # [...]
PyTorch model.state_dict()函数的作用
撰写于：  浏览：458 次  分类：PyTorch 教程
1、model.state_dict()函数简介state_dict是Python的字典对象（具体来说，是OrderedDict字典类型），可用于保存模型参数、超参数以及优化器（torch.optim）的状态信息。需要注意的是，只有具有可学习参数的层（如卷积层、线性层等）才有state_dict。import torch.nn as nn impo[...]
六款神经网络作图软件
撰写于：  浏览：1173 次  分类：PyTorch 教程
1、ConvNetDraw，一个在线工具，可以绘制卷积神经网络，链接为：https://cbovar.github.io/ConvNetDraw/ 2、PlotNeuralNet，一个使用Latex绘制神经网络的工具，主要面向卷积神经网络。提示：相比其他的绘图软件，这款软件是最漂亮的。 3、draw_convnet，一个用于画卷积神经网[...]
PyTorch Adam 优化器详细介绍
撰写于：  浏览：1141 次  分类：PyTorch 教程
提示：本文更新于2024年8月24日1、Adam优化器简介Adam 是一种可以替代传统随机梯度下降过程的一阶优化算法，它能基于训练数据迭代地更新神经网络权重。Adam 最开始是由 OpenAI 的 Diederik Kingma 和多伦多大学的 Jimmy Ba 在 2015 年 ICLR 论文（Adam: A Method for Stochas[...]
Batch Normalization详细介绍
撰写于：  浏览：322 次  分类：PyTorch 教程
1、Batch Normalization简介Batch Normalization，简称BN，由Google于2015年提出，这是一个深度神经网络训练的技巧，它不仅可以加快了模型的收敛速度，并且在一定程度缓解了深层网络中“梯度弥散”的问题，从而使得训练深层网络模型更加容易和稳定，所以目前Batch Normalization已经成为几乎所有卷积神[...]
梯度下降法
撰写于：  浏览：1317 次  分类：PyTorch 教程
1、梯度下降法简介梯度下降法（英语：Gradient descent）是一个一阶最优化算法，通常也称为最速下降法。 要使用梯度下降法找到一个函数的局部极小值，必须向函数上当前点对应梯度（或者是近似梯度）的反方向的规定步长距离点进行迭代搜索。如果相反地向梯度正方向迭代进行搜索，则会接近函数的局部极大值点；这个过程则被称为梯度上升法。2、梯度下降法原理[...]
PyTorch评估模式model eval详细介绍
撰写于：  浏览：344 次  分类：PyTorch 教程
1、model eval简介model.eval()是PyTorch中的一个方法，用于将模型设置为评估模式（evaluation mode）。一般情况下，当我们完成模型的训练并准备对其进行评估、测试或推断时，会调用该方法。2、model eval的作用调用model.eval()的作用是将模型中的某些特定层或部分切换到评估模式。在评估模式下，一些层[...]
PyTorch计算图与链式求导
撰写于：  浏览：1210 次  分类：PyTorch 教程
1、PyTorch自动求导代码import torch input = torch.ones([2, 2], requires_grad=False) w1 = torch.tensor(2.0, requires_grad=True) w2 = torch.tensor(3.0, requires_grad=True) w3 = torch.t[...]
PyTorch向量Tensor的维度理解
撰写于：  浏览：1356 次  分类：PyTorch 教程
1、维度与形状的区别当我们说一个向量的维度的时候，我们会说，这是一个1维度向量，2维向量，3维向量等等。在PyTorch中，计算维度是通过向量的形状获取的，如下代码所示：import torch input = torch.ones(3, 5) print(input) dim = len(input.shape) print(dim)2、维度[...]
torch.stack()函数的使用详解
撰写于：  浏览：364 次  分类：PyTorch 教程
1、torch.stack()函数的作用torch.stack()函数的参数形式为：torch.stack(inputs,dim=0,out=None)，其作用是将若干个形状相同的张量在dim维度上连接，生成一个扩维的张量。比如，我们原本有若干个2维张量，连接之后可以得到一个3维的张量。2、torch.stack()函数的参数说明(1)inputs[...]
CUDA安装介绍
撰写于：  浏览：2009 次  分类：PyTorch 教程
CUDA是英伟达开发出的GPU计算框架。英伟达是制造GPU的公司，它为了让人们更好地使用自家生产出来的GPU，所以开发出CUDA用于操作GPU。如果没有CUDA，直接操作GPU则是一件非常困难的事情。我们买回的带英伟达GPU的新电脑，会自带GPU显卡驱动，显卡驱动的版本号制约着你将来要安装的CUDA。运行nvidia-smi命令，我们可以查看自己显[...]
Adam优化器（理论、公式、代码）
撰写于：  浏览：216 次  分类：PyTorch 教程
这篇文章介绍的不错，分享给大家：https://blog.csdn.net/m0_48923489/article/details/136863726
关注公众号，每天学一个AI知识

    友情链接

飞燕网 - 专注于PyTorch  ©  2024   运行时间： 2078天   上线时间：2019年3月19日
飞燕网，最全面的Pytorch教程网！
京ICP备14057001号