BBJG_001的博客

原文地址Pytorch系列目录tensorboardXtensorboardX GitHub安装支持包pip install tensorboardpip install tensorflowpip install tensorboardX程序中关键语法from tensorboardX import SummaryWriter'''model声明'''mo...

原文地址Pytorch系列目录NetronNetron官方/下载网址Netron GitHubWindows下安装Netron这个软件很简单，只需要进入上面的下载地址，点击“Download for Windows”即可下载安装包，双击安装包即可安装图片来源Netron的简单使用是通过打开保存好的模型文件，从上图可以看到，Netron目前可以支持的平台很多，在其中就有Pyt...

原文地址Pytorch系列目录导入支持import tensorflow as tfimport torchimport numpy as np生成测试数据onehot_labels = [[0,0,1,0,0], [0,0,0,1,0], [0,1,0,0,0], ...

原文地址Pytorch系列目录view()函数有些像numpy中的reshape函数，是用来的tensor（张量）形式的数据进行围堵重构的，直接用程序来说明用法生成测试数据import torchtorch.manual_seed(0) # 用来控制内部的随机机制使每次得到的随机数一样tt = torch.rand(3,4)# tensor([[0.4963, 0.7682,...

原文地址分类目录——Pytorch诸如长序列单行显示，全部显示（不缩略显示），精度（保留小数点后几位），是否科学计数法显示等等。直接用程序来说明生成测试数据import torchtorch.random.manual_seed(0) # 固定每次生成的数据相同tensor = torch.rand(100, 9)-0.5print(tensor) # 在默认的显示设置下进...

原文地址分类目录——强化学习分类目录——Pytorch全部代码DQN的理论理解可以参见我写的 强化学习：DQN的理解，这里就直接上代码了，需要处通过注释进行说明导入支持包import torchimport torch.nn as nnimport numpy as npfrom gymTest.mazeEnv import Maze # 这是一个我自己写的环境...

原文地址分类目录——Pytorch首先我觉得莫烦老师关于Batch Normalization解释很贴切，引用在这里[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-wiRfwexm-1584063180876)(https://morvanzhou.github.io/static/results/ML-intro/NB2.png)]在神经网络中, 数据...

原文地址分类目录——Pytorch什么是过拟合过拟合，简单讲就是对过度符合训练数据，比如二维空间中拟合出的一条曲线保证了所有的训练点都在曲线上，效果就像下图所示但是这并不一定是好的，这样训练出来的模型，只能说模型很好的符合了训练数据，并不代表模型就抓住了数据的变化趋势，在训练数据上，不一定就有好的表现。在神经网络中，深度层次与多节点有其必要性，但是过多的节点就容易导致过拟合，Pyt...

import torchflag = torch.cuda.is_available()print(flag)ngpu= 1# Decide which device we want to run ondevice = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")pri...

原文地址分类目录——Pytorch什么是编码器有一中数据压缩的、降维的意思举个例子来说明，同一张图片，高清的和标清的我们都能识别出图片中的内容（这里就考虑识别这一个需求，其他需求暂不考虑），这是因为即使是标清的图片，也保留了进行识别的关键特征。但是高清的在无论是在保存，还是在提取上都会更费工夫。深度学习处理起来亦是如此，深度学习会包含很多层，每层节点也很多，这种情况下，如果输入数据的规...

原文地址分类目录——Pytorch直接上程序，通过注释说明import torchimport torch.nn as nnimport torch.utils.data as Dataimport torchvision # 数据库模块import osimport timetorch.manual_seed(1) # 为pytorch中的随机操作设置一个随机种子，使得每...

原文地址分类目录——Pytorch生成测试数据t = torch.tensor([[1, 7, 3], [4, 5, 6]])# tensor([[1, 7, 3],# [4, 5, 6]])只传入一个tensorprint(torch.max(t))# tensor(7)结果为在tensor中找全局最大值另外传入一个维度参数print(tor...

原文地址分类目录——Pytorch我是在用Pytorch进行手写数字识别的时候，因为程序中导入了torchvision这个模块，循着报错提示找过去，发现报错发生在torchvision\transforms\functional.py中的这一句上from PIL import Image, ImageOps, ImageEnhance, PILLOW_VERSION查了一下原因，是因为...

原文地址分类目录——Pytorch深度学习可行的一个前提是假设数据之间是相互独立的，用相关的数据进行训练会让训练的模型局限于满足一撮数据，没有实用性。而更多的现实情况是数据之间存在着或多或少的相关性，所以深度学习中常用海量数据来弥补数据间相关所产生的训练模型的不足。在大量数据中学习中，小批量（batch）梯度下降是一种比较好的方式，每次选取一小部分数据来进行参数更新，既能沿着较好的方向更新，又...

原文地址分类目录——Pytorch关键词：Data.DataLoader、num_workers、batchPytorch在开进行小批量数据下降时开多进程报错报错内容RuntimeError: DataLoader worker (pid(s) 9528, 8320) exited unexpectedly去网上搜教程，说是在loader定义的时候多进程的参数指定的问题，我的load......

原文地址分类目录——Pytorch之前写过一篇 Pytorch：一个简单的神经网络——分类 ，通过定义一个网络类的方式来构建神经网络模型class Net(torch.nn.Module): # 继承 torch 的 Module def __init__(self, n_feature, n_hidden, n_output): super(Net, self)....

原文地址分类目录——Pytorch这里在我写的 Pytorch：一个简单的神经网络——分类 的基础上进行对模型的保存和提取操作。为了检验保存的模型就是训练好的模型，先用训练好的模型做个测试print(net(torch.tensor([2., 5.]))) # 用模型判断（2，5）这个点所属的类别# tensor([0.9701, 0.0299], grad_fn=<Softmax...

原文地址生成训练数据# 生成训练数据n_data = torch.ones(100, 2) # 数据的基本形态，全1矩阵，shape=（100，2）x0 = torch.normal(2 * n_data, 1) # 类型0 x data (tensor), shape=(100, 2)# print(torch.normal(2*n_data, 1))# normal()传的两个...

原文地址生成训练数据数据由 y=x**2 加上一些噪声产生# 构造测试数据x = torch.linspace(-1, 1, 100).unsqueeze(1) # x data (tensor), shape=(100, 1)y = x.pow(2) + 0.2*torch.rand(x.size()) # noisy y data (tensor),...

原文地址分类目录——PytorchPytorch通过.unsqueeze(int)方法来增加1个维度，传的int值为增加的维度的索引。下面通过程序来说明其用法。生成测试数据import torcht1 = torch.tensor([1,2,3])进行维度增加print(t1.unsqueeze(0))# tensor([[1, 2, 3]])print(t1.unsq...

原文地址分类目录——Pytorch我的一点理解在某种意义上讲，深度学习=神经网络是一个多层处理的过程x0 -> y_1=f(Wx0) -> y_2=f(Wx1) -> y_3=f(Wx2) -> . . . -> y=f(Wx(n-1))其中每一层 先进行一轮“直”（线性的）的操作——y。=Wx，就是个加权，y。中的每一个数据都是对x中所有数据的一个加权...

原文地址激活函数是推动深度学习发展的一个关键节点。深度学习框架，尤其是基于人工神经网络的框架可以追溯到1980年福岛邦彦提出的新认知机[11]，而人工神经网络的历史更为久远。1989年，扬·勒丘恩（Yann LeCun）等人开始将1974年提出的标准反向传播算法[12]应用于深度神经网络，这一网络被用于手写邮政编码识别。尽管算法可以成功执行，但计算代价非常巨大，神经网路的训练时间达到了3天，...

原文地址：http://itdarcy.wang/index.php/20200105/3671. 安装Anaconda安装Anaconda，配置一个环境conda create -n dlpt python=3.72. 安装N卡的深度学习支持驱动CUDA、cudnnPyTorch不像TensorFlow跟CUDA有着严格的版本对应，只不过不同的版本有着不同的安装命令，在版本选择上可以...

原文地址为了满足机器学习中变量多方面的计算机需求，就需要对单纯的变量封装更多的属性和方法来实现。Pytorch中的变量类定义在了torch.autograd.Variable。下面来说明Pytorch中变量的使用导入包支持import torchfrom torch.autograd import Variable # torch 中 Variable 模块定义一个Variable变量...

原文地址Pytorch是一个开源的Python机器学习库，封装了大量科学运算、机器学习、深度学习的算法，被广泛应用与学术研究中。Pytorch向广泛被使用的numpy科学运算库做了广泛的靠拢和兼容，很多在numpy下的函数接口在pytorch下同样适用，这为我们入门pytorch提供了极大地便利。Torch 自称为神经网络界的 Numpy, 因为他能将 torch 产生的 tensor 放...