分类 PyTorch 教程 下的文章


撰写于    浏览:322 次  分类: PyTorch 教程
1、PyTorch whl文件安装当我们需要安装特定CUDA版本的PytTorch的时候,掌握whl文件的安装则是十分必要。PyTorch whl文件的下载地址是:https://download.pytorch.org/whl/torch_stable.html1.1、PyTorch版本与Python版本的关系安装PyTorch要注意对应Pyth[...]

撰写于    浏览:360 次  分类: PyTorch 教程
在PyTorch中,torch.nn.Module模块中的state_dict函数获得的一个字典变量,其存放训练过程中需要学习的权重和偏执系数,如下所示:代码1:import torch.nn as nn module = nn.Linear(2, 2) print(module.state_dict().keys())代码2:import t[...]

撰写于    浏览:315 次  分类: PyTorch 教程
1、torch.is_storage(obj)函数介绍测试obj是不是storage类型,如果是的话就返回True,否则返回False。2、什么是Storage?在PyTorch中,Tensor 分为头信息区(Header)和存储区(Storage)。头信息区(Header)主要存储Tensor的形状(size)、步长(stride)、数据类型(t[...]

撰写于    浏览:376 次  分类: PyTorch 教程
Tensor.grad属性介绍PyTorch的Tensor有个grad属性,默认情况下,该属性为None,当第一次调用backward()计算梯度时,此属性变为张量,其值为计算的梯度。并且,将来对backward的多次调用之后,将会累积梯度。Tensor.grad应用举例x = torch.tensor([[1., -1.], [1., 1.]],[...]

撰写于    浏览:325 次  分类: PyTorch 教程
torch.is_tensor 简介torch.is_tensor(obj),此方法很直观,如果obj是tensor的话返回true,否则返回false。与此方法对应的另一个方法是:isinstance(obj, Tensor)。需要注意的是,torch.is_tensor(obj)是torch的一个方法,而isinstance(obj, Tens[...]

撰写于    浏览:305 次  分类: PyTorch 教程
LazyLinear模块的作用就是可以帮助我们实现惰性初始化参数,不必在定义线性层的时候同时指定输入维度和输出维度,只需要指定输出维度即可,对于输入维度采用自动推断的方式。官方的例子如下所示:https://pytorch.org/docs/stable/generated/torch.nn.modules.lazy.LazyModuleMixin[...]

撰写于    浏览:334 次  分类: PyTorch 教程
1、PyTorch模型加载概述PyTorch是一个使用GPU和CPU优化的深度学习张量库,它也是一个动态神经网络构建工具。Pytorch模型加载是将已训练好的模型加载到内存中,以便使用。模型加载是模型应用的前提。Pytorch模型加载涉及到模型的序列化,反序列化和模型参数的赋值等操作。Pytorch中支持多种不同的序列化和反序列化方法,包括pick[...]

撰写于    浏览:357 次  分类: PyTorch 教程
Tensor 和 Numpy 的数组可以相互转换,并且两者转换后共享在 CPU 下的内存空间,即改变其中一个的数值,另一个变量也会随之改变。Tensor 转换为 Numpy 数组实现 Tensor 转换为 Numpy 数组的例子如下所示,调用 tensor.numpy() 可以实现这个转换操作。a = torch.ones(5) print(a) [...]

撰写于    浏览:843 次  分类: PyTorch 教程
1、封面介绍2、出版时间2022年2月3、推荐理由虽然很多深度学习工具都使用Python,但PyTorch 库是真正具备Python 风格的。对于任何了解NumPy 和scikit-learn 等工具的人来说,上手PyTorch 轻而易举。PyTorch 在不牺牲高级特性的情况下简化了深度学习,它非常适合构建快速模型,并且可以平稳地从个人应用扩展到[...]

撰写于    浏览:969 次  分类: PyTorch 教程
1、PyTorch的发展历史PyTorch是一个由Facebook的人工智能研究团队开发的开源深度学习框架。在2016年发布后,PyTorch很快就因其易用性、灵活性和强大的功能而在科研社区中广受欢迎。在发布后的几年里,PyTorch迅速在科研社区中取得了广泛的认可。在2019年,PyTorch发布了1.0版本,引入了一些重要的新功能,包括支持ON[...]

撰写于    浏览:153 次  分类: PyTorch 教程
torch.optim 简介torch.optim 是一个实现了多种优化算法的包,大多数通用的方法都已支持,提供了丰富的接口调用,未来更多精炼的优化算法也将整合进来。torch.optim 官网介绍https://pytorch.org/docs/stable/optim.htmltorch.optim 使用说明torch.optim 中包含很多的[...]

撰写于    浏览:450 次  分类: PyTorch 教程
图神经网络简介图神经网络(Graph Neural Network,GNN)是指使用神经网络来学习图结构数据,提取和发掘图结构数据中的特征和模式,满足聚类、分类、预测、分割、生成等图学习任务需求的算法总称。图神经网络(Graph Neural Network,GNN)是近年来出现的一种利用深度学习直接对图结构数据进行学习的框架,其优异的性能引起了学[...]

撰写于    浏览:644 次  分类: PyTorch 教程
在使用Pytorch经常会遇到以下的错误:RuntimeError: Given groups=1, weight of size [16, 7, 5, 5], expected input[1, 11, 64, 64] to have 7 channels, but got 11 channels instead这个错误通常出现在卷积操作中,卷积[...]

撰写于    浏览:1205 次  分类: PyTorch 教程
1、封面介绍2、出版时间2022年4月3、推荐理由本书从强化学习的基础知识出发,结合PyTorch深度学习框架,介绍深度强化学习算法各种模型的相关算法原理和基于PyTorch的代码实现。作为一本介绍深度强化学习知识的相关图书,本书介绍了常用的强化学习环境,基于价值网络的强化学习算法和基于策略梯度的强化学习算法,以及一些常用的比较流行的深度强化学习算[...]

撰写于    浏览:1348 次  分类: PyTorch 教程
1、封面介绍2、出版时间2021年2月3、推荐理由本书全面介绍了深度学习知识,借助数学公式、示意图和代码,旨在帮助读者从数学层面、概念层面和应用层面理解神经网络。读者可以跟随本书构建和训练神经网络模型,从而解决实际问题。另外,本书着重介绍卷积神经网络和循环神经网络,并提供PyTorch开源神经网络库的使用方法,有助于学习构建更高级的神经网络架构。4[...]