关于深度学习的一些有用代码

这篇博客涵盖了深度学习的多个方面,包括计算模型参数、打印模型信息、sigmoid函数可视化、glob函数应用、hdf5文件读取、PyTorch数据集操作、优化器配置,以及通过model.state_dict()观察参数分布。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

计算模型的参数

### compute model params
def count_param(model):
    param_count = 0
    for param in model.parameters():
        param_count += param.view(-1).size()[0]
    return param_count

打印模型的信息

from torchinfo import summary
print(summary(model,x.shape))

画sigmoid函数曲线图

import numpy as np
import math
import matplotlib.pyplot as plt

x=np.arange(-10,10,0.1)
y=1/(1+np.exp(-x))
plt.plot(x,y,label='sigmoid')
plt.xlabel('x')
plt.ylabel('y')

plt.ylim(0,1)
plt.legend()
plt.show()


i
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

一壶浊酒..

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值