- 博客(6)
- 收藏
- 关注
RSS订阅原创 神经网络基本骨架—nn.Module的使用
PyTorch中的nn.Module是神经网络模型的基类，用于模块化网络结构、管理参数并实现前向传播。自定义网络需继承nn.Module，在__init__中定义层结构，重写forward方法实现前向计算。nn.Module提供参数管理、模型保存/加载等功能。torch.nn.functional提供无参数的函数式接口（如F.relu），与含参数的nn层（如nn.Linear）配合使用。关键方法包括parameters()、state_dict()等，支持模型训练与推理模式切换。
2025-08-19 18:46:17
408
原创 torchvision中的数据集使用
CIFAR10数据集加载与使用摘要：PyTorch通过torchvision.datasets.CIFAR10可便捷加载CIFAR10数据集，参数包括存储路径、训练/测试集选择、数据变换函数等。加载后可通过索引访问图片(PIL格式)和标签(0-9数字)，test_set.classes提供类别名称映射。示例展示了如何查看图像数据、标签及对应类别名。结合transforms可对图像进行预处理（如转Tensor），并利用TensorBoard可视化数据。该数据集包含10类32x32 RGB图像，每类有明确编号和
2025-08-06 23:58:29
1433
原创 Transforms的使用
PyTorch中的torchvision.transforms模块提供了图像预处理和增强功能，主要用于将图像转换为Tensor格式并增强模型泛化能力。核心功能包括：格式转换（ToTensor）、尺寸调整（Resize）、数据增强（RandomCrop, RandomFlip）和标准化（Normalize）。常用组合方式是使用Compose将多个变换串联，典型流程为：Resize→ToTensor→Normalize。ToTensor将图像转为[C,H,W]格式的Tensor并归一化到[0,1]，Normal
2025-08-06 21:10:49
1745
原创 TensorBoard的使用
TensorBoard是深度学习训练可视化工具，支持loss/accuracy曲线、图像可视化、网络结构图等。安装后，通过SummaryWriter记录日志，包括标量数据（add_scalar）、图像（add_image）和网络结构（add_graph）。启动TensorBoard服务后可在浏览器查看可视化结果。关键点包括：需将图像转为[C,H,W]格式的Tensor，RGB转换确保兼容性，Tensor是PyTorch训练的基础数据结构。完整流程包含初始化writer、记录数据、关闭writer，建议合理组
2025-08-01 18:06:40
2150
原创 Pytorch加载数据
PyTorch数据集处理主要使用Dataset和DataLoader两个类。Dataset用于定义数据和标签，通过继承torch.utils.data.Dataset实现，需重写__init__、__getitem__和__len__方法。示例MyData类实现图片加载功能，通过os.path.join拼接路径、os.listdir获取文件名列表，并支持索引访问。使用时先创建单个类别数据集(如ants_dataset)，再通过+合并多个数据集(train_dataset)。DataLoader则负责批量加载
2025-08-01 14:30:27
256
原创 【蓝桥杯 P3199】小明和完美序列
本题知识点：哈希表 stl中的map 一个仅包含数字序列被称为完美序列，当且仅当数字序列中每个数字出现的次数等于这个数字。比如 (1)(1)，(2,2,3,3,3)(2,2,3,3,3)。现在小明得到了一个数字序列，他想知道最少要删除多少个数字才能使得这个数字序列成为一个完美序列。如果value大于等于key，说明该数字多出来了value-key个，需要删除value-key个。mp<key,value>中key存放具体数字，value存放该数字的个数。第二行，包括 n个整数，是数字序列中具体的每个数字。
2025-01-31 16:39:07
423
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人