- 博客(10)
- 收藏
- 关注
RSS订阅原创 PyTorch基础知识(九)：优化器 torch.optim
本文介绍了PyTorch中的优化器torch.optim模块的基本用法，重点讲解了随机梯度下降(SGD)和Adam优化器的原理及参数设置。主要内容包括：1) 优化器的基本使用步骤，需要指定模型参数和学习率；2) 带动量和权重衰减的SGD优化器原理及实现；3) Adam优化器的特点及参数说明；4) 如何将优化器整合到训练循环中；5) 使用torch.optim.lr_scheduler动态调整学习率的方法。文章通过数学公式和代码示例帮助读者理解优化器的工作原理和实际应用场景。
2025-09-25 22:34:18
974
原创 PyTorch基础知识(八)：顺序容器 torch.nn.Sequentail()
但是很多网络架构是需要更复杂的设计的，比如说ResNet里面的跳跃链接，多输入/多输出路径，或者以非顺序方式使用的层。这种情况只有通过继承才能。为每一层指定一个名字。这样在打印模型或调试时，能更清楚地知道每一层的作用。你会发现这个顺序容器有一个顺序序号，从0开始的index。上一个例子里面的顺序序号index改成了这里的网络名称。这意味着你不需要手动注册这些层，将一系列的层作为参数按照顺序传入。PyTorch 能够自动识别。堆叠层的便捷方式（串联）。的一些好处是一模一样的）来定义我们的网络架构。
2025-09-23 09:33:06
897
原创 PyTorch基础知识(六): 计算图与自动微分
本文介绍了PyTorch自动微分的核心机制——动态计算图。通过requires_grad参数开启梯度跟踪，PyTorch会在运算时动态构建计算图，其中节点代表张量或操作，边表示数据流动关系。文章详细讲解了自动微分引擎的工作原理，包括梯度计算（backward()）、梯度累积及其清零操作（zero_grad()）。此外还介绍了梯度控制方法。
2025-09-18 22:49:47
909
原创 PyTorch 基础知识(五): PyTorch 张量内存结构
PyTorch张量的内存结构解析：张量(torch.Tensor)通过元数据(shape、stride等)描述如何解释底层存储(torch.Storage)中的连续一维数据。多个张量可共享同一存储，切片、转置等操作仅修改元数据而不复制数据，提升内存效率。代码示例演示了张量与存储的关联关系，以及连续(contiguous)与非连续内存布局的区别，其中连续内存(行主序)对计算性能至关重要。非连续张量可通过contiguous()方法转换为连续副本。
2025-09-18 11:15:05
1639
1
原创 pytorch基础学习(四)
本文介绍了卷积神经网络(CNN)相对于全连接网络的优势，包括平移不变性和参数量的减少。详细讲解了卷积的工作原理、输出尺寸计算以及特征学习机制。通过一个MNIST数据集的实例，展示了如何用PyTorch实现一个简单的CNN网络结构，包含两层卷积和最大池化层，最后接全连接分类层。代码演示了数据加载、模型训练和准确率评估的全过程。
2025-09-08 00:12:48
1956
原创 pytorch基础学习（三）
本文介绍了PyTorch深度学习框架的核心模块及应用。主要内容包括：1) 数据加载管理模块Dataset和Dataloader的使用；2) 神经网络构建模块torch.nn及优化器torch.optim的应用；3) 模型推理及跨平台部署工具TorchScript和ONNX；4) 视觉任务库torchvision的功能介绍。并以MNIST手写数字识别为例，详细展示了从数据加载、网络构建、训练到评估的全流程代码实现，包括全连接网络设计、损失函数选择、优化器配置、训练循环编写等关键环节。
2025-09-01 22:29:13
1051
原创 pytorch基础学习(二)
本文介绍了PyTorch中张量索引(tensor indexing)和形状重塑(tensor reshaping)的核心操作。在索引部分，通过实例演示了如何提取特定样本特征、使用布尔索引和条件筛选等技巧。在形状操作部分，详细展示了reshape、transpose、flatten、cat、permute、unsqueeze/squeeze等常用方法，并特别强调了非连续张量处理时需要使用contiguous()的注意事项。
2025-08-28 23:25:45
995
原创 pytorch 基础学习 （一）
本文介绍了PyTorch张量的基础操作，主要包括：1）张量初始化方法如torch.tensor()、torch.ones()等；2）类型转换与numpy数组互转；3）数学运算包括逐元素运算、矩阵乘法、广播机制等；4）排序、极值等常用操作。文章采用问题+代码示例的方式，适合有一定基础的读者通过实践快速掌握PyTorch张量操作要点。所有示例均在Jupyter Notebook环境下验证，重点介绍了自动求导、原地操作、批量矩阵乘法等实用技巧。
2025-08-26 22:55:26
364
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