- 博客(19)
- 收藏
- 关注
RSS订阅原创 张量的索引
索引类型核心场景语法特征简单行列索引取单行/单列/单个点单个整数列表索引不连续，自定义顺序选取传入列表范围索引连续区间批量截取切片,支持步长布尔索引条件过滤，阈值筛选布尔掩码多维索引3维及以上高纬度多逗号分隔维度，支持...省略💡 核心注意点PyTorch下标从0开始，负数代表从末尾倒数；索引操作返回新张量，修改索引结果不会影响原张量；多维索引每个维度可自由混用以上4种索引方式，灵活性极高。
2026-06-28 20:42:18
434
原创 张量的运算
不修改原张量，返回运算后的新张量。2. 带下划线（add_/sub_/mul_/div_/neg_）原地运算，直接修改原张量，无返回值。二.张量点乘运算1.概念点乘（哈达玛积 Hadamard）：同形状张量对应位置元素一一相乘数学符号: ⚠️ 要求：两个张量维度、形状完全一致方式1：函数 torch.mul(张量1, 张量2)方式2：运算符 *3.计算逻辑逐元素相乘：第一行：15=5，26=12第二行：37=21，48=32三.张量矩阵乘法运算1.形状匹配规则矩阵乘法约束：1.@ 运
2026-06-25 10:09:06
520
原创 张量的类型转换
生成的数组与原张量共享底层内存，修改其中一方，另一方数据会同步变动。原生转换共享内存，修改numpy数组，张量同步变化；对于只有一个元素的张量，使用。作用：直接将张量转换为。将该值从张量中提取出来。张量与Numpy转换。
2026-06-20 16:47:09
648
原创 现有网络模型的使用、修改、保存与读取
任务：原 ResNet18 输出 1000 类，改成10 分类# 获取最后一层全连接层的输入维度# 替换全连接层# 验证修改结果。
2026-06-16 00:30:00
397
原创 PyTorch 搭建神经网络 四大核心积木
nn.Module：整个网络的骨架，所有零件都装在这里；特征运算层：卷积/池化/线性/激活，网络的运算零件，负责提取、变换特征；损失函数评判标准，判断模型预测准不准；优化器修正工具，根据误差自动更新网络参数。所有 CNN、深度学习网络，都是这四大模块的组合与堆叠。
2026-06-15 12:38:51
557
原创 PIL和Numpy在TensorBoard中的区别与用处
负责打开本地图片文件，是深度学习读取图片的标准入口，配合PyTorch预处理使用。**NumPy**负责格式转换和像素数值计算，是不同图像库之间的“翻译官”，常规训练可视化可不用。3.** TensorBoard 规则**：最终送入add_images的，只能是标准张量PIL和Numpy都不能直接使用。
2026-06-08 00:45:00
182
原创 Tensorboard使用
TensorBoard 是专门配合 PyTorch/TensorFlow 使用的可视化工具，本身不参与模型运算、训练逻辑，核心作用：读取代码输出的日志文件，在浏览器中生成图表、图片、网络结构图，直观观察模型训练状态。问题现象：多次运行代码， logs 内生成多个日志文件，TensorBoard 叠加所有历史数据，曲线错乱、出现 y=x 异常线条；可视化手写的神经网络模型结构，直观查看：网络层顺序、层与层之间的连接、张量维度传递，快速排查网络搭建错误。的唯一入口类，所有数据写入、日志生成都依赖它。
2026-06-07 14:09:59
558
原创 pytorch初学代码部分
大白话解释：你下载的图片大小五花八门，有的大有的小，AI必须要统一尺寸才能处理Resize：把所有图片都压成 64×64，相当于给所有图片“穿一样的校服”ToTensor：把普通图片（比如jpg/png）变成AI能看懂的数字矩阵（张量），相当于把“图片”翻译成“数字”
2026-06-02 17:58:36
390
原创 pytorch张量
张量就是PyTorch 里专门用来存数字、做计算的多维数组，是整个 PyTorch 的核心数据载体。普通数字（单个数值）→ 0维张量列表/一维数组[1,2,3]→ 1维张量（向量）表格/矩阵→ 2维张量（矩阵）多张表格叠在一起（比如多张图片）→ 3维/4维张量核心作用：神经网络的所有数据（输入图片、标签、权重、偏置）全都要用张量存储，所有运算也都基于张量完成。张量是支持自动微分、硬件加速（CPU/GPU）、多维结构化的数值容器。
2026-06-02 17:56:29
410
原创 pytorch初学1
本文系统介绍了PyTorch中Dataset和DataLoader的核心概念与协作流程： Dataset作为数据仓库，负责组织原始数据（如图片/文本）与其标签的配对，实现数据格式统一和基础预处理。例如猫狗分类任务中，它会建立每张图片与"猫/狗"标签的映射关系。 DataLoader作为数据分发系统，主要实现四大功能： 分批处理（batch）：将数据划分为小批量（如32张/批）送入模型 全局打乱（shuffle）：每轮训练前对全部数据整体洗牌，防止模型记忆顺序伪特征 多线程加速：并行读取数据避免GPU等待 迭
2026-05-31 10:07:17
503
原创 python进阶学习Day01_随堂笔记
三大特征封装继承多态封装简介概述就是隐藏对象的属性和实现细节, 仅对外提供公共的访问方式.举例电脑, 手机, 函数, 类 = 属性 + 行为好处提高代码的安全性. (私有化)提高代码的复用性. (函数)继承概述子类继承父类的成员, 例如: 属性, 行为等.大白话: 子承父业.好处提高代码的复用性.多态概述大白话： 同一个事物在不同时刻表现出来的不同状态, 形态.专业版： 同1个函数， 接收不同的对象， 有不同的效果。案例1"""
2026-05-12 17:06:29
351
原创 python3
讲解：将常用函数封装到模块，提高代码复用。# 文件 math_utils.py# 主程序 main.py关键点总结模块功能单一，便于维护文档字符串说明模块功能导入模块使用import或避免循环导入面向对象、模块、标准库、文件操作、正则表达式、异常处理，结合实战案例可以：高效管理和处理数据提高代码复用性和可维护性为全栈 Python 开发打下基础讲解：列表推导式简洁创建列表，生成器表达式节省内存。# 列表推导式# 嵌套列表推导式# 生成器表达式关键点总结。
2026-05-08 12:15:03
477
原创 python学习2
本文介绍了Python面向对象编程基础、模块与包管理以及常用标准库模块。面向对象部分讲解了类与对象定义、属性类型（类属性和实例属性）、三种方法（实例/类/静态方法）、继承与多态实现以及封装特性。模块与包部分阐述了模块导入方式（import/from...import）、包的结构与管理、标准库使用建议。最后介绍了四个常用标准库模块：os（文件系统操作）、sys（解释器交互）、math（数学运算）和datetime（日期时间处理）。这些内容涵盖了Python编程的核心概念，为代码组织和复用提供了系统解决方案。
2026-05-08 00:35:54
501
原创 python学习
变量名 = 值luck_number='北京欢迎你'def 函数名(参数) : 函数体 return 返回值函数作用：把重复代码打包封装，写一次、多次调用，减少冗余定义语法：def 函数名 (参数): 缩进写函数功能代码调用语法：直接写 函数名 ()，括号按需传参。
2026-04-29 11:10:16
710
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