NA_imu的博客

目录方式一方式二方式一对网络模型、损失函数、训练和测试过程中的数据（输入、标签）都调用.cuda()import torchimport torchvisionfrom torch import nnfrom torch.nn import Sequential, Conv2d, MaxPool2d, Flatten, Linearfrom torch.utils.data import DataLoader"""利用gpu训练方式一：对网络模型、损失函数、训练和测试过程中的数据（输入

准备数据集利用 Dataloader 来加载数据集搭建神经网络（一般习惯把搭建的神经网络单独放入一个model.py中，然后在训练文件中引入model）设置损失函数设置优化器设置训练网络的一些参数开始训练测试开始import torchimport torchvisionfrom torch import nnfrom torch.nn import Sequential, Conv2d, MaxPool2d, Flatten, Linearfrom torch.utils.da.

位于torchvision.models使用vgg模型为例，采用的数据集是ImageNet，而ImageNet数据集使用前提需要有scipy包pip install scipy注意：ImageNet光训练集就有147.9G，而且不再能公开访问了pytorch中使用现有网络模型以及修改现有的网络模型代码示例import torchvision# train_data = torchvision.datasets.ImageNet("../data_image_net", spli..

目录一、神经网络基本骨架搭建nn.modulenn.Module的使用二、神经网络中一些神经结构的使用1. Convolution Layers 卷积层一、神经网络基本骨架搭建nn.module神经网络(Nueral Networks) 是由对数据进行操作的一些 层(layer) 或 模块(module) 所组成，而PyTorch 中的每个模块都是 nn.Module 的子类，在调用或自定义时均需继承 nn.Module 类。同时 torch.nn 包为我们提供了构建神经网络所需的各种模块，当然一个

1. torchvisiontorchvision是pytorch工程的一部分，主要用于视觉方面的一个包，包括流行的数据集、模型架构和用于计算机视觉的常见图像转换torchvision.transformstorchvision官网页面（从pytorch官网docs点开）2. torchvision.datasets常见的数据集3. 数据集的使用——以CIFAR10为例import torchvision# CIFAR10数据集包括60000张32×32的彩色图片，属于10个类型from

pytorch transforms

tensorboard使用以及解决cannot import SummaryWriter

pytorch加载数据之Dataset用法

pytorch环境配置及安装