<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[aaaax__的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/aaaax__</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; aaaax__]]></copyright><item><title><![CDATA[如何在服务器把程序代码挂载到后台运行？]]></title><link>https://blog.youkuaiyun.com/aaaax__/article/details/144460542</link><guid>https://blog.youkuaiyun.com/aaaax__/article/details/144460542</guid><author>aaaax__</author><pubDate>Fri, 13 Dec 2024 22:05:57 +0800</pubDate><description><![CDATA[把程序代码挂载到服务器的后台运行，这样我们就可以推出终端页面，电脑也可以关机不再运行，但是程序代码会在后台一直运行。系统会显示如下：停止运行进程：找到进程号（PID），在这里是13845   然后用kill命令结束kill <PID>]]></description><category></category></item><item><title><![CDATA[在服务器自主选择GPU使用]]></title><link>https://blog.youkuaiyun.com/aaaax__/article/details/144460044</link><guid>https://blog.youkuaiyun.com/aaaax__/article/details/144460044</guid><author>aaaax__</author><pubDate>Fri, 13 Dec 2024 21:14:39 +0800</pubDate><description><![CDATA[张显卡（从 0 开始计数）。它的作用是告诉系统和深度学习框架（如 PyTorch 或 TensorFlow）只可见某些 GPU。]]></description><category></category></item><item><title><![CDATA[Pytorch学习笔记--模型的测试/验证]]></title><link>https://blog.youkuaiyun.com/aaaax__/article/details/142887203</link><guid>https://blog.youkuaiyun.com/aaaax__/article/details/142887203</guid><author>aaaax__</author><pubDate>Sat, 12 Oct 2024 21:53:00 +0800</pubDate><description><![CDATA[先把要识别的图片放在文件夹images中。正好对应CIFAR10数据集中的狗：（编号是5）]]></description><category></category></item><item><title><![CDATA[Pytorch学习笔记--使用GPU进行训练（方式二）]]></title><link>https://blog.youkuaiyun.com/aaaax__/article/details/142881280</link><guid>https://blog.youkuaiyun.com/aaaax__/article/details/142881280</guid><author>aaaax__</author><pubDate>Sat, 12 Oct 2024 16:38:45 +0800</pubDate><description><![CDATA[【代码】Pytorch学习笔记--使用GPU进行训练（方式二）]]></description><category></category></item><item><title><![CDATA[Pytorch学习笔记--使用GPU进行训练（方式一）]]></title><link>https://blog.youkuaiyun.com/aaaax__/article/details/142879523</link><guid>https://blog.youkuaiyun.com/aaaax__/article/details/142879523</guid><author>aaaax__</author><pubDate>Sat, 12 Oct 2024 15:40:03 +0800</pubDate><description><![CDATA[二、损失函数也加上cuda。一、在创建模型时把原有的。]]></description><category></category></item><item><title><![CDATA[Pytorch学习笔记--完整模型的训练套路]]></title><link>https://blog.youkuaiyun.com/aaaax__/article/details/142863906</link><guid>https://blog.youkuaiyun.com/aaaax__/article/details/142863906</guid><author>aaaax__</author><pubDate>Fri, 11 Oct 2024 21:39:31 +0800</pubDate><description><![CDATA[【代码】Pytorch学习笔记--完整模型的训练套路。]]></description><category></category></item><item><title><![CDATA[Pytorch学习笔记--现有模型的使用和修改]]></title><link>https://blog.youkuaiyun.com/aaaax__/article/details/142794235</link><guid>https://blog.youkuaiyun.com/aaaax__/article/details/142794235</guid><author>aaaax__</author><pubDate>Wed, 09 Oct 2024 19:21:54 +0800</pubDate><description><![CDATA[【代码】Pytorch学习笔记--现有模型的使用和修改。]]></description><category></category></item><item><title><![CDATA[Pytorch学习笔记--损失函数以及优化器的使用]]></title><link>https://blog.youkuaiyun.com/aaaax__/article/details/142783541</link><guid>https://blog.youkuaiyun.com/aaaax__/article/details/142783541</guid><author>aaaax__</author><pubDate>Wed, 09 Oct 2024 12:36:55 +0800</pubDate><description><![CDATA[输出结果为：tensor(0.6667)  #（（1-1）+（2-2）+（5-3））/2。2.为我们更新输出提供一定的依据（反向传播）1.计算实际输出和目标之间的差距。]]></description><category></category></item><item><title><![CDATA[Pytorch学习笔记--搭建神经网络以及Sequential的使用]]></title><link>https://blog.youkuaiyun.com/aaaax__/article/details/142640615</link><guid>https://blog.youkuaiyun.com/aaaax__/article/details/142640615</guid><author>aaaax__</author><pubDate>Sun, 29 Sep 2024 18:26:58 +0800</pubDate><description><![CDATA[再使用Tensorboard查看。，仅用作记录学习，切勿商用。]]></description><category></category></item><item><title><![CDATA[Pytorch学习笔记--非线性变换(ReLU,Sigmoid)]]></title><link>https://blog.youkuaiyun.com/aaaax__/article/details/142494496</link><guid>https://blog.youkuaiyun.com/aaaax__/article/details/142494496</guid><author>aaaax__</author><pubDate>Tue, 24 Sep 2024 17:21:07 +0800</pubDate><description><![CDATA[Sigmoid函数的公式为 𝑆(𝑥)=11+𝑒−𝑥S(x)=1+e−x1​。它的输出范围在0到1之间。]]></description><category></category></item><item><title><![CDATA[Pytorch学习笔记--手把手学习最大池化Max Pooling]]></title><link>https://blog.youkuaiyun.com/aaaax__/article/details/142489133</link><guid>https://blog.youkuaiyun.com/aaaax__/article/details/142489133</guid><author>aaaax__</author><pubDate>Tue, 24 Sep 2024 15:25:14 +0800</pubDate><description><![CDATA[例如，如果输入尺寸为 5，窗口尺寸为 3，步幅为 3，输出尺寸会计算为  Output size=⌊35−3+0​⌋+1。⌈0.6667⌉=1⌈0.6667⌉=1    输出尺寸计算为：Output size=1+1=2Output size=1+1=2，即2*2的窗口。输出尺寸计算公式为Output size=⌊StrideInput size−Kernel size+2×Padding​⌋+1。在进行池化操作时，也会让池化核窗口去和输出窗口做比对，取池化核覆盖的数字的最大值，比如下图取就2，]]></description><category></category></item><item><title><![CDATA[Pytorch学习笔记 --卷积层之搭建简单的神经网络实战]]></title><link>https://blog.youkuaiyun.com/aaaax__/article/details/142441072</link><guid>https://blog.youkuaiyun.com/aaaax__/article/details/142441072</guid><author>aaaax__</author><pubDate>Sun, 22 Sep 2024 20:10:21 +0800</pubDate><description><![CDATA[就上篇文章继续，conv2d还有两个很重要的参数：in_channel 和out_channel,其中 in_channel=1表示输入图像为单一通道，灰色。若out_channel=2表示输出图像为2，这样就需要两个卷积核进行运算，进而生成两个图像。channel可以简单理解为图层数，等于3代表有三层为rgb（三通道）。]]></description><category></category></item><item><title><![CDATA[Pytorch学习笔记--卷积操作（手把手学习）]]></title><link>https://blog.youkuaiyun.com/aaaax__/article/details/142440073</link><guid>https://blog.youkuaiyun.com/aaaax__/article/details/142440073</guid><author>aaaax__</author><pubDate>Sun, 22 Sep 2024 18:00:59 +0800</pubDate><description><![CDATA[最后是padding的作用，主要用于填充 ，若不填充白边，图像边缘的特征就会消失。学习内容来自b站小土堆，仅用作学习交流切勿商用。]]></description><category></category></item><item><title><![CDATA[Pytorch中transforms.ToTensor()转换的类型和torch.Tensor转换的类型的区别？]]></title><link>https://blog.youkuaiyun.com/aaaax__/article/details/142424216</link><guid>https://blog.youkuaiyun.com/aaaax__/article/details/142424216</guid><author>aaaax__</author><pubDate>Sat, 21 Sep 2024 21:06:57 +0800</pubDate><description><![CDATA[都是 PyTorch 中用于生成张量的方法，但它们的输入、输出类型和用途是不同的。]]></description><category></category></item><item><title><![CDATA[Pytorch学习笔记--nn.Module]]></title><link>https://blog.youkuaiyun.com/aaaax__/article/details/142423629</link><guid>https://blog.youkuaiyun.com/aaaax__/article/details/142423629</guid><author>aaaax__</author><pubDate>Sat, 21 Sep 2024 20:57:16 +0800</pubDate><description><![CDATA[是 PyTorch 中一个非常重要的基类，用于构建神经网络模型。它提供了一些基本功能和结构，使得构建、组合和管理模型变得更加方便和高效。：可以方便地将多个模块组合成更复杂的模型，支持嵌套使用子模块，使得构建复杂的深度学习模型变得更加直观。通过这种方式，PyTorch 的模块化设计和管理变得简洁明了。自动注册其子模块（子层）中的所有参数，使得可以方便地获取和更新模型的参数。，可以将神经网络的不同层（如卷积层、全连接层等）封装在一起，便于管理和组织代码。）模型的方法，方便模型的持久化和复用。]]></description><category></category></item><item><title><![CDATA[Pytorch学习笔记--dataloader]]></title><link>https://blog.youkuaiyun.com/aaaax__/article/details/142422848</link><guid>https://blog.youkuaiyun.com/aaaax__/article/details/142422848</guid><author>aaaax__</author><pubDate>Sat, 21 Sep 2024 20:08:48 +0800</pubDate><description><![CDATA[3.参数shuffle相当于洗牌，一次取牌相当于一次shuffle，设置为false是代表每次选的数据都一样（没洗牌），为true时每次选的都不一样了（洗牌了），下面epoch=2代表两次取数据，会发现这两次取到的图的顺序都是不一样的，batch_size=4说明在每一次的取牌中一次取四张。会发现epoch0和epoch1，即取了两次数据，每一次都是四张四张地取（batch_size=4） ，每一次epoch的这四张都不一样（因为shuffle为true代表洗牌过了）。]]></description><category></category></item><item><title><![CDATA[Pytorch学习笔记--torchvision的应用]]></title><link>https://blog.youkuaiyun.com/aaaax__/article/details/142369118</link><guid>https://blog.youkuaiyun.com/aaaax__/article/details/142369118</guid><author>aaaax__</author><pubDate>Thu, 19 Sep 2024 20:41:39 +0800</pubDate><description><![CDATA[torchvision独立于pytorch，专门用来处理图像，通常用于计算机视觉领域。


导入相关库：


import torchvision
from prometheus_client import Summary
from torch.utils.tensorboard import SummaryWriter
from py.TensorBoard import write


直接转换成tensor类型：


dataset_transform= torchvision.transforms]]></description><category></category></item><item><title><![CDATA[Pytorch学习笔记--transforms之Resize，Compose，RandomCrop]]></title><link>https://blog.youkuaiyun.com/aaaax__/article/details/142338631</link><guid>https://blog.youkuaiyun.com/aaaax__/article/details/142338631</guid><author>aaaax__</author><pubDate>Wed, 18 Sep 2024 17:42:18 +0800</pubDate><description><![CDATA[首先简述一下transforms的作用：transforms提供了一系列的工具，使得数据可以在加载到模型之前就被适当地转换和标准化，transforms的作用主要是进行数据预处理和增强，这对于深度学习的模型训练非常重要，因为模型的性能很大程度上要依赖于输入数据的质量和格式。如果要指定裁剪的宽高，可以：trans_random=transforms.RandomCrop((300，1000))在使用时要多关注输入和输出的数据类型，还有要多看官方文档，使用ctrl查看相关的参数。以上学习内容来自b站小土堆。]]></description><category></category></item><item><title><![CDATA[Pytorch学习笔记--Transforms的使用（totensor，normalize）]]></title><link>https://blog.youkuaiyun.com/aaaax__/article/details/142288268</link><guid>https://blog.youkuaiyun.com/aaaax__/article/details/142288268</guid><author>aaaax__</author><pubDate>Sun, 15 Sep 2024 20:29:24 +0800</pubDate><description><![CDATA[在这里传入的根据参数，output=（input-0.5）/0.5=2*input-1   在上文这里归一化之前print输出为tensor(0.9294)，归一化之后输出为tensor(0.8588)，正好符合公式。公式为：output[channel] = (input[channel] - mean[channel]) / std[channel]totensor的使用，之前已经提过这里不再赘述。Normalize的使用，归一化：注释说明如下。学习内容来自b站小土堆 ，这里只作为学习笔记。]]></description><category></category></item><item><title><![CDATA[Pytorch学习笔记--Transforms的使用]]></title><link>https://blog.youkuaiyun.com/aaaax__/article/details/142287050</link><guid>https://blog.youkuaiyun.com/aaaax__/article/details/142287050</guid><author>aaaax__</author><pubDate>Sun, 15 Sep 2024 18:24:20 +0800</pubDate><description><![CDATA[2.我们为啥需要Tensor数据类型？因为Tensor数据类型包含了神经网络中的所需要的很多种参数，所以我们需要tensor数据类型，通过transforms进行转换。Totensor（一个类），resize等等。我们先明确一下Transforms的作用，相当于一个工具箱，里面有很多工具，比如说。见如下代码，也需要配合Tensorboard。2.我们为啥需要Tensor数据类型。1.transforms如何使用。教学内容来自B站小土堆。]]></description><category></category></item></channel></rss>