快乐卷心菜的博客

P32.完整的模型验证套路 测试、demo 利用已经训练好的模型，然后给它提供输入

P31.利用GPU训练（二） import torch import torchvision from torch import nn from torch.nn.modules.flatten import Flatten from torch.utils.data import DataLoader from torch.utils.tensorboard import SummaryWriter import time # from P27_model import * # defin.

P30.利用GPU训练（一） tudui = tudui.cuda() loss_fn = loss_fn.cuda() imgs = imgs.cuda() targets = targets.cuda() if torch.cuda.is_available():

P29.完整的模型训练套路（三） tudui.train() tudui.eval()

P28.完整的模型训练套路（二） import torchvision from torch.utils.data import DataLoader from torch.utils.tensorboard import SummaryWriter from P27_model import * # prepare dataset train_data = torchvision.datasets.CIFAR10(root="dataset", train=True, transform=torch

P27.完整的模型训练套路（一） import torchvision # prepare dataset train_data = torchvision.datasets.CIFAR10(root="dataset", train=True, transform=torchvision.transforms.ToTensor(), download=True) test_data = torchvision.dat

P26.网络模型的保存与读取 import torch import torchvision vgg16 = torchvision.models.vgg16(pretrained=False) # saving method 1: save the structure and parameters of network model torch.save(vgg16, "vgg16_method.pth") import torch # saving method 1 -> load t

P25.现有网络模型的使用及修改（VGG16） torchvision.models.vgg16(pretrained: bool = False, progress: bool = True, **kwargs: Any) → torchvision.models.vgg.VGG Parameters pretrained (bool) – If True, returns a model pre-trained on ImageNet progress (bool) – If

P24.优化器 Pytorch官网 -> Docs -> torch.optim # constructing it optimizer = optim.SGD(model.parameters(), lr=0.01, momentum=0.9) optimizer = optim.Adam([var1, var2], lr=0.0001) # taking a optimization step for input, target in dataset: optimi

P23.损失函数与反向传播 1.损失函数 计算实际输出和目标之间的差距 为我们更新输出提供一定的依据（反向传播） Pytorch官网 -> Docs -> Pytorch -> Loss Functions class torch.nn.L1Loss(size_average=None, reduce=None, reduction='mean') import torch from torch.nn import L1Loss inputs = torc.

P22.神经网络-搭建小实战和Sequential的使用 Pytorch官网 -> Docs > Pytorch -> torch.nn -> Containers -> Sequential class torch.nn.Sequential(*args) from torch import nn from torch.nn import Conv2d, MaxPool2d, Linear from torch.nn.modules.flatten..

P21.神经网络-线性层及其他层介绍 Pytorch官网 -> Docs -> Pytorch -> torch.nn -> Linear Layers class torch.nn.Linear(in_features, out_features, bias=True, device=None, dtype=None) Parameters in_features – size of each input sample out_features –

P18.神经网络-非线性激活 Pytorch官网 -> Docs -> Pytorch -> torch.nn -> ReLU class torch.nn.ReLU(inplace=False) Parameters inplace – can optionally do the operation in-place. Default: False import torch from torch import nn from torch.nn import.

P19.神经网络-最大池化的使用 Pytorch官网 -> Docs -> Pytorch -> torch.nn -> Pooling Layers -> MaxPool2d最大池化（下采样） class torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False) Parameters kernel_siz

P18.神经网络-卷积层 Pytorch官网 -> Docs -> Pytorch -> torch.nn -> Conv2d class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None, dtype=None) Parameters

P17.卷积操作 nn.Conv2d Applies a 2D convolution over an input signal composed of several input planes. torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', de

P16.神经网络的基本骨架-nn.Module的使用 Pytorch官网 -> Docs -> Pytorch -> torch.nn

P14.DataLoader的使用 Dataset一摞牌 DataLoader抓几张牌，以什么样的方式抓牌 Pytorch官网 -> Docs -> Pytorch -> 在左边的搜索框直接搜索dataloader class torch.utils.data.DataLoader(dataset, batch_size=1, shuffle=False, sampler=None, batch_sampler=None, num_workers=0, collate_fn=No

P14.torchvision中的数据集使用 Pytorch官网 -> Docs官方文档 -> torchvision视觉 torchvision.datasets 数据集（COCO、MINST、CIFAR10...） torchvision.io 输入输出模块 torchvision.models 提供一些常见的神经网络（已预训练完毕） torchvision.ops 一些特殊操作 torchvision.transforms torchvision.utils 提供一些常见的小

P12.常见的Transforms（一） 1. 输入 输出 作用 PIL Image.open() tensor ToTensor() narrays cv.imread() 2.在项目文件夹中存储一张图片 from PIL import Image img = Image.open("images/e56420e50cbfef3191ed95d0920b0a9e.jpeg") print(img) #运行结果 <PIL.JpegImagePlu...

P10.Transforms的使用（一）torchvision中的transforms 1.工程文件夹下存储一些图片 2.tansforms结构及用法 transforms.py工具箱（totensor，resize...) 将一些特定格式的图片经过工具输出结果 通过transform.ToTensor去看两个问题（transforms该如何使用，为什么我们需要Tensor数据类型) class ToTensor(object): """Convert a ``PIL Ima

P7.TensorBoard的使用（一） 问题：运行程序显示ModuleNotFoundError: No module named 'past' 解决方法：在pytorch环境中安装future，pip install future PyTorch: ModuleNotFoundError: No module named 'past'_RaySunWHUT的博客-优快云博客 ...