- 博客(22)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 如何在服务器把程序代码挂载到后台运行？
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>
2024-12-13 22:05:57
1222
原创 在服务器自主选择GPU使用
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。
2024-12-13 21:14:39
459
原创 Pytorch学习笔记--损失函数以及优化器的使用
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。
2024-10-09 12:36:55
530
原创 Pytorch学习笔记--非线性变换(ReLU,Sigmoid)
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。
2024-09-24 17:21:07
1745
原创 Pytorch学习笔记--手把手学习最大池化Max Pooling
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，
2024-09-24 15:25:14
736
原创 Pytorch学习笔记 --卷积层之搭建简单的神经网络实战
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）。
2024-09-22 20:10:21
256
原创 Pytorch学习笔记--卷积操作（手把手学习）
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。
2024-09-22 18:00:59
877
原创 Pytorch中transforms.ToTensor()转换的类型和torch.Tensor转换的类型的区别？
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。
2024-09-21 21:06:57
359
原创 Pytorch学习笔记--nn.Module
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。
2024-09-21 20:57:16
274
原创 Pytorch学习笔记--dataloader
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）。
2024-09-21 20:08:48
344
原创 Pytorch学习笔记--torchvision的应用
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 torchvisionfrom prometheus_client import Summaryfrom torch.utils.tensorboard import SummaryWriterfrom py.TensorBoard import write直接转换成tensor类型：dataset_transform= torchvision.transforms
2024-09-19 20:41:39
237
原创 Pytorch学习笔记--transforms之Resize，Compose，RandomCrop
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。
2024-09-18 17:42:18
534
原创 Pytorch学习笔记--Transforms的使用（totensor，normalize）
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。
2024-09-15 20:29:24
209
原创 Pytorch学习笔记--Transforms的使用
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。
2024-09-15 18:24:20
299
原创 Pytorch学习笔记--Tensorboard
要注意write.add_image() 读取的数据只能是numpy型或者image型，opencv读取的为numpy型，在下文直接img_array=np.array(img_PIL)转换成了numpy型。write.add_scalar()函数修改端口号的方法，以及应对修改参数图像混乱的方法在注释中也说明了。下面是应用代码实战部分，其中每句代码在注释中都有使用说明以及注意事项。按住CTRL可以查看函数的用法：先看看add_image()
2024-09-14 18:46:43
374
原创 Pytorch学习笔记--读数据集Dataset
以后也可以把label都存到一个text文档里，再把所有的text文档整理成一个文件夹。在这里“ants”的数据集存储路径为：D:\Pychram_Project\Learn_Pytorch\pythonProject\dataset\train\ants。其中，蜜蜂数据集的存储路径为D:\Pychram_Project\Learn_Pytorch\pythonProject\dataset\train\bees。所用到的方法在注释中都有说明，在这里文件夹的名称就是label，这里还将路径名和标签名拼接。
2024-09-14 16:27:36
402
基于Python的林业害虫智能识别系统（自带数据集+源码+模型+包部署）
2024-09-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人