llvyeriji的博客

说实话，此刻我非常欣喜，整了那么久的环境，一直迷迷糊糊的，今天终于知道为什么每次anaconda终端进虚拟环境，这时候再进python，import torch显示没有此模块,torch.is_available()也False。原因就是，我的anaconda存在了d盘，我进anaconda prompt，虽然activate 了虚拟环境（例如pytorch_gpu），但是但是！前面的路径还是默认路径，这非常重要！为了正确调用python，必须把路径改到d盘anaconda中pytorch_gpu

先做几点说明，我是安装的anaconda，然后在anaconda下建了一个虚拟环境pytorch2，在pytorch2虚拟环境下安装的pytorch，后续和pytorch相关的安装包也都安装在pytorch2这个虚拟环境中。这是相对这段代码的路径 (创建的实例就是在该 .py 文件的同一级加上 runs 文件夹，runs 下面有 exp ，exp 下面有创建的实例），如果我们要在anaconda终端输入上述内容，最好复制文件路径的全部，例如。对于我这里的实例路径就是 'runs/exp'，但是。

打开JupyterNotebook->建环境->代码实现。打开AnacondaPrompt。

代码】GAN生成动漫头像Pytorch。

在尝试跟着无数个博主下载tensorflow后，我在 Jupyter Notebook中输入import tensorflow，报错！点击New，可以看到，我已经胡乱创建了TF3,py36,pytorch,tensorflow这几个虚拟环境，我不用第一个内核，其他都可以执行import torch！默认base(root)，点击install可以下载jupyter，Launch表示已经下载了！某天为了完成一个项目，开始安装tensorflow，在网上找了无数的博客，想着快点下载好啊。.........

下载的数据集一共有25000张，这里采用CPU训练速度非常慢，25000张图片训练一次要4h，所以我们仅选取了200张dog，200张cat用来train，200张dog，200张cat作为test。（从原数据集的train中复制出自己的训练集）。200张cat和200张dog的训练效果已经很可观，有GPU条件下，可以采用更多的数据，效果会非常理想！文件dogs-vs-cats-迁移学习vgg16-train-small。文件dogs-vs-cats-迁移学习vgg16-test-small。......

代码】线性回归(Tensor,Variable)

2022/7/13

推荐这篇有效！

1.多分类问题损失函数为categorical_crossentropy（分类交叉商）2.回归问题3.机器学习的四个分支：监督学习，无监督学习，自监督学习，强化学习 4.评估机器学习模型训练集、验证集和测试集：三种经典的评估方法：简单的留出验证、K 折验证，以及带有打乱数据的重复 K 折验证。5.数据预处理、特征工程和特征学习6.过拟合与欠拟合优化（optimization）是指调节模型以在训练数据上得到最佳性能（即机器学习中的学习），而泛化（generalization）是指训练好的模型......

1.Keras工作流程1）定义模型架构2).配置学习过程3).通过fit()方法将输入数据的Numpy数组（和对应的目标数据）传入模型。2.加载IMDB数据集下面代码将某条评论迅速解码为英文单词3.构建网络（二分类问题）4.从头开始重新训练一个模型（二分类问题）5.使用训练好的网络在新数据上生成预测结果2022/7/7...

1.dot 点积运算 relu(x) 是max(x,0)2.张量点积（矩阵乘积）两个向量之间的点积是一个标量，矩阵和向量点积返回向量，矩阵和矩阵点积返回矩阵。3.张量变形在神经网络预处理时：train_images = train_images_reshape(6000,28*28)二、神经网络的“引擎”：基于梯度的优化1.每个神经层都用下述方法对输入数据进行变换：output = relu(dot(W,input) + b)2.一开始权重矩阵取较小随机值（随机初始化）

1.Tensor（张量）张量是一个数据容器，包含的数据几乎总是数值数据，因此是数字的容器。矩阵是二维张量。2.scalar（标量，标量张量，零维张量，0D张量）标量张量有0个轴（ndim == 0）。张量轴的个数也叫阶。3.vector（向量，1D张量）数字组成的数组叫做向量或一维张量。一位张量只有一个轴4.matrix（矩阵，2D张量）矩阵有两个轴（第一个轴上的元素叫做行（row），第二个轴上的元素叫做列（column））5. 3D张量与更高维张量将多个矩阵组合成一个新的数组，可以得到一

1.RGB格式：红绿蓝三色叠加2.HSV格式：颜色的直观特性，色调(H)，饱和度(S)，明度(V)3.反向传播算法：一种利用梯度下降优化来训练一系列参数化运算链的方法。应用于神经网络。4.核方法：一组分类算法。支持向量机（SVM）->通过在属于两个不同类别的两组数据点之间找到良好决策边界来解决分类问题。5.深度卷积神经网络（convnet）成功6.深度学习不同于机器学习：将特征工程完全自动化。7.深度学习从数据中进行学习时有两个基本特征：第一，通过渐进的、逐层的方式形成越来越复杂的表达；第二，对中间这些渐进

TensorTensor是PyTroch中重要的数据结构，可认为是一个高维数组。Tensor和numpy的ndarrays类似，但Tensor可用GPU加速。Tensor 的使用和numpy及MATLAB的接口十分相似，以下是Tensor 的基本使用方法。

利用神经网络的分层结构：第一层：28*28=784个像素点的灰度值（Activation）Hidden layers（“隐含层”）：从第一层中提出小局部，小局部构成大局部最后一层：对应0-9的激活值（激活值越大，可能性越高）主要原理：拆分成小块 其中一层激活值通过计算得出下一层激活值 ，每两层之间的神经元连接通过设置合适的weights求出weighted sum 加 bias偏置（送入sigmoid压缩）-- 体现对应的局部 only activete meanfully when weighte