pytorch 学习笔记目录

本文档全面覆盖PyTorch的基础知识及高级应用,包括模型构建、优化技巧、数据处理、图形库运用、神经网络组件详解等。从参数管理到自定义层,再到强化学习实践,为读者提供了丰富的案例和深入的技术解析。

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

1 部分内容

pytorch笔记 pytorch模型中的parameter与buffer_刘文巾的博客-优快云博客
pytorch笔记:split-优快云博客
pytorch笔记:allclose,isclose,eq,equal-优快云博客
pytorch笔记 torch.clamp(截取上下限)_UQI-LIUWJ的博客-优快云博客
pytorch 笔记 :实现Dropout_刘文巾的博客-优快云博客
pytorch笔记:Dataloader_刘文巾的博客-优快云博客dataloader
pytorch 笔记:DataLoader 扩展:构造图片DataLoader_UQI-LIUWJ的博客-优快云博客
pytorch模型的保存与加载_刘文巾的博客-优快云博客
pytorch笔记:pytorch的四种乘法_刘文巾的博客-优快云博客
pytorch笔记:实例解析NLLLoss和CrossEntropyLoss_刘文巾的博客-优快云博客
pytorch 笔记:叶子张量,retain_grad,register_hook_UQI-LIUWJ的博客-优快云博客
Pytorch 笔记——tensor_刘文巾的博客-优快云博客
pytorch笔记——autograd和Variable_刘文巾的博客-优快云博客
pytorch笔记:调整学习率(torch.optim.lr_scheduler)_UQI-LIUWJ的博客-优快云博客
pytorch学习:xavier分布和kaiming分布_UQI-LIUWJ的博客-优快云博客
pytorch 学习:layer normalization_UQI-LIUWJ的博客-优快云博客
pytorch 笔记:torchsummary_UQI-LIUWJ的博客-优快云博客
PyTorch笔记: GPU上训练的模型加载到CPU/错误处理Attempting to deserialize object on a CUDA device but torch.cuda.is_a_UQI-LIUWJ的博客-优快云博客
pytorch笔记:contiguous &tensor 存储知识_UQI-LIUWJ的博客-优快云博客
pytorch笔记:torch.sparse类_UQI-LIUWJ的博客-优快云博客
pytorch笔记: 处理inf和nan数值_UQI-LIUWJ的博客-优快云博客
pytorch 笔记:torch.distributions 概率分布相关(更新中)_UQI-LIUWJ的博客-优快云博客
pytorch 笔记:gather 函数_UQI-LIUWJ的博客-优快云博客
pytorch 笔记: 扩展torch.autograd_UQI-LIUWJ的博客-优快云博客
pytorch 笔记:使用Tune 进行调参_UQI-LIUWJ的博客-优快云博客ray-tune
ray-tune 笔记 核心概念_UQI-LIUWJ的博客-优快云博客
pytorch 笔记:torch.nn.Linear() VS torch.nn.function.linear()_UQI-LIUWJ的博客-优快云博客
pytorch 笔记 torch.nn.BatchNorm1d_UQI-LIUWJ的博客-优快云博客
pytorch 笔记:validation ,model.eval V.S torch.no_grad_UQI-LIUWJ的博客-优快云博客
pytorch 笔记:model.apply_UQI-LIUWJ的博客-优快云博客
机器学习/pytorch笔记 池化_UQI-LIUWJ的博客-优快云博客
 pytorch 中的存储方式_UQI-LIUWJ的博客-优快云博客
pytorch笔记 torchviz_UQI-LIUWJ的博客-优快云博客
pytorch 笔记:torch.fft_UQI-LIUWJ的博客-优快云博客
pytorch笔记:PackedSequence对象送入RNN-优快云博客
pytorch 笔记:PAD_PACKED_SEQUENCE 和PACK_PADDED_SEQUENCE-优快云博客
pytorch 笔记:index_select-优快云博客

pytorch 笔记:dist 和 cdist-优快云博客

pytorch 笔记:torch.dist-优快云博客

pytorch笔记:topk-优快云博客
pytorch笔记:自动混合精度(AMP)-优快云博客
pytorch笔记:清理GPU内存_torch 取消 gpu进程-优快云博客
pytorch 笔记:应用:根据内积结果评估模型预测准确性-优快云博客
机器学习/pytorch笔记:time2vec-优快云博客
pytorch笔记:named_parameters-优快云博客
机器学习笔记:初始化0的问题-优快云博客

pytorch 笔记:torch.optim(基类的基本操作)-优快云博客

pytorch 笔记:torch.optim.Adam-优快云博客

pytorch笔记:mm VS bmm-优快云博客
pytorch 笔记:张量索引的维度扩展规则-优快云博客

2 整体框架

pytorch笔记: 搭建Skip—gram_刘文巾的博客-优快云博客
pytorch 实现transformer_刘文巾的博客-优快云博客
pytorch笔记:实现简易LSTM_刘文巾的博客-优快云博客
pytorch笔记:搭建简易CNN_刘文巾的博客-优快云博客CNN&CNN变体
pytorch笔记:VGG 16_UQI-LIUWJ的博客-优快云博客
pytorch实现简易分类模型_刘文巾的博客-优快云博客
用pytorch实现简易RNN_刘文巾的博客-优快云博客
pytorch笔记——简易回归问题_刘文巾的博客-优快云博客
pytorch 学习: STGCN_UQI-LIUWJ的博客-优快云博客
pytorch 笔记: 复现论文 Stochastic Weight Completion for Road Networks using Graph Convolutional Networks_UQI-LIUWJ的博客-优快云博客
pytorch 笔记:手动实现AR (auto regressive)_UQI-LIUWJ的博客-优快云博客
pytorch 笔记: 协同过滤user & item bias 实现_UQI-LIUWJ的博客-优快云博客
PYTORCH 笔记 DILATE 代码解读_UQI-LIUWJ的博客-优快云博客
论文代码解读 Hierarchical Reinforcement Learning for Scarce Medical Resource Allocation_UQI-LIUWJ的博客-优快云博客
 pytorch 笔记: Swin-Transformer 代码_UQI-LIUWJ的博客-优快云博客
pytorch 笔记:VAE 变分自编码器_UQI-LIUWJ的博客-优快云博客
pytorch 笔记:应用:根据内积结果评估模型预测准确性-优快云博客
机器学习/pytorch笔记:time2vec-优快云博客
大模型笔记:pytorch实现MOE_f.softmax(self.gating(x), dim=1)-优快云博客

3 torchvision

torchvision 笔记:ToTensor()_UQI-LIUWJ的博客-优快云博客
torchvision 笔记:transforms.Normalize()_UQI-LIUWJ的博客-优快云博客
将tensor张量转换成图片格式并保存_UQI-LIUWJ的博客-优快云博客
torchvision 笔记:transforms.Compose()_UQI-LIUWJ的博客-优快云博客
torchvision笔记 torchvision.ops.sigmoid_focal_loss-优快云博客

4 torch_geometric

pytorch 笔记:torch_geometric (1)创建一张图_UQI-LIUWJ的博客-优快云博客
torch_geometric笔记:数据集 ENZYMES &Minibatches_UQI-LIUWJ的博客-优快云博客
torch_geometric 笔记: 数据集Cora &简易 GNN_UQI-LIUWJ的博客-优快云博客
torch_geometric 笔记:TORCH_GEOMETRIC.UTILS(更新中)_UQI-LIUWJ的博客-优快云博客
toch_geometric 笔记:message passing_UQI-LIUWJ的博客-优快云博客
nntorch_geometric 笔记:nn.ChebNet_UQI-LIUWJ的博客-优快云博客
torch_geometric笔记:nn. graclus (图点分类)_UQI-LIUWJ的博客-优快云博客
torch_geometric笔记:max_pool 与max_pool_x_UQI-LIUWJ的博客-优快云博客
torch_geometric 笔记:global_mean_pool_UQI-LIUWJ的博客-优快云博客

5 tensorboardX

pytorch 笔记:tensorboardX_UQI-LIUWJ的博客-优快云博客
tensorboardX笔记:理解graph_UQI-LIUWJ的博客-优快云博客

6 torch.nn

pytorch 笔记:torch.nn.Conv2d_UQI-LIUWJ的博客
pytorch学习笔记 torchnn.ModuleList_UQI-LIUWJ的博客-优快云博客
pytorch 笔记:torch.nn.Conv2d_UQI-LIUWJ的博客-优快云博客
pytorch笔记:torch.nn.MaxPool2d_UQI-LIUWJ的博客-优快云博客
pytorch 笔记: torch.nn.Embedding_UQI-LIUWJ的博客-优快云博客
pytorch 学习笔记:nn.Sequential构造神经网络_UQI-LIUWJ的博客-优快云博客
pytorch笔记:torch.nn.Threshold_UQI-LIUWJ的博客-优快云博客

pytorch笔记:torch.nn.GRU_UQI-LIUWJ的博客-优快云博客

pytorch 笔记:GRU-优快云博客

pytorch笔记 GRUCELL-优快云博客

pytorch 笔记: nn.Transformer_UQI-LIUWJ的博客-优快云博客
pytorch笔记:nn.MultiheadAttention_UQI-LIUWJ的博客-优快云博客
pytorch 笔记 torch.nn.BatchNorm1d_UQI-LIUWJ的博客-优快云博客_torch.nn.batchnorm1d
pytorch 笔记:torch.nn.init_UQI-LIUWJ的博客-优快云博客
pytorch 笔记:torch.nn.utils.clip_grad_norm_-优快云博客
pytorch笔记:ReplicationPad1d-优快云博客
pytorch笔记:ModuleDict-优快云博客
pytorch笔记:BatchNorm1d-优快云博客
pytorch笔记nn.functional.one_hot & 衍生(有一个padding对应的全零向量)-优快云博客
pytorch笔记:TRIPLETMARGINLOSS-优快云博客

loss function

pytorch 笔记:KLDivLoss-优快云博客

7 强化学习

pytorch笔记:policy gradient_UQI-LIUWJ的博客-优快云博客
pytorch 笔记: DQN(experience replay)_UQI-LIUWJ的博客-优快云博客
PYTORCH笔记 actor-critic (A2C)_UQI-LIUWJ的博客-优快云博客
 pytorch 笔记:DDPG (datawhale 代码解读)_UQI-LIUWJ的博客-优快云博客
 pytorch笔记:TD3_UQI-LIUWJ的博客-优快云博客
### PyTorch 学习笔记概述 李毅编写的《PyTorch学习笔记》是一份详尽的学习指南,旨在帮助读者掌握深度学习框架PyTorch的核心概念和技术。这份笔记不仅涵盖了基础理论知识,还提供了大量实践案例和代码实现。 #### 主要内容结构 1. **环境搭建** 安装配置PyTorch运行所需的软件环境,包括Python版本的选择、CUDA支持以及Anaconda的使用方法[^2]。 2. **张量操作** 解释了如何创建、转换和处理多维数组(即张量),这是构建神经网络模型的基础构件之一[^3]. 3. **自动求导机制** 描述了Autograd模块的工作原理及其在反向传播算法中的应用,使用户能够轻松定义复杂的计算图并高效训练模型[^4]. 4. **优化器与损失函数** 探讨了几种常用的梯度下降变体(SGD, Adam等)及相应的损失衡量标准(MSE Loss, CrossEntropyLoss等),这些组件对于调整权重参数至关重要[^5]. 5. **数据加载与预处理** 展示了Dataset类和DataLoader类的功能特性,它们可以简化大规模图像分类任务的数据读取流程;同时也介绍了常见的图片增强技术来扩充样本集规模[^6]. 6. **卷积神经网络(CNN)** 结合具体实例深入剖析CNN架构设计思路,如LeNet,VGG,resnet系列,并给出完整的项目源码供参考学习[^7]. 7. **循环神经网络(RNN/LSTM/GRU)** 阐述时间序列预测场景下RNN家族成员的特点优势,通过手写字符识别实验验证其有效性[^8]. 8. **迁移学习实战演练** 利用预训练好的大型模型作为特征提取器,在新领域内快速建立高性能的应用程序,减少重复劳动成本的同时提高了泛化能力[^9]. 9. **分布式训练入门指导** 当面对超大数据集时,单机难以满足需求,此时可借助于torch.distributed包来进行集群式的协同工作模式探索[^10]. ```python import torch from torchvision import datasets, transforms transform = transforms.Compose([transforms.ToTensor()]) train_dataset = datasets.MNIST(root='./data', train=True, download=True, transform=transform) train_loader = torch.utils.data.DataLoader(dataset=train_dataset, batch_size=64, shuffle=True) for images, labels in train_loader: print(images.shape) break ```
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

UQI-LIUWJ

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