qq_42374603的博客

方法一 在模型、损失函数和数据中使用cuda model1 = model() if torch.cuda.is_available(): model1 = model1.cuda() bloss = nn.CrossEntropyLoss() if torch.cuda.is_available(): bloss = bloss.cuda() for data in train_dataloader: imgs, targets = data if to

模型训练套路——以cifar10为例 1.加载数据集 dataset_transform_compose = transforms.Compose([transforms.ToTensor()]) train_set = torchvision.datasets.CIFAR10(root="./dataset", train=True, transform=dataset_transform_compose, download=True) test_set = torchvision.datasets.C

1. 方法一(保存模型及参数） vgg16_false = torchvision.models.vgg16(pretrained=False)##加载初始模型，模型参数还没有训练 torch.save(vgg16_false, "method1.pth") torch.load("method1.pth") 2. 方法二（仅保存模型参数） torch.save(vgg16_false.state_dict(), "method2.pth") torch.load("method2.pth") 注：当

1. 加载已有模型——以VGG为例 vgg16_true = torchvision.models.vgg16(pretrained=True)##加载参数已经训练好的模型 vgg16_false = torchvision.models.vgg16(pretrained=False)##加载初始模型，模型参数还没有训练 2 . 修改模型 2.1 在模型的基础上增加网络结构 vgg16_false.add_module("linear", nn.Linear(1000, 10)) print(vgg16_

优化器的使用 1.创建优化器 2.循环内梯度清零 3.计算梯度 4.根据梯度优化loss 例子： dataset_transform_compose = transforms.Compose([transforms.ToTensor()]) train_set = torchvision.datasets.CIFAR10(root="./dataset", train=True, transform=dataset_transform_compose, download=True) test_set = t

1.常见损失函数 1.1 L1loss 例子： x = torch.Tensor([1, 2, 3]) y = torch.Tensor([1, 0, 6]) L1loss = nn.L1Loss() loss1 = L1loss(x, y) print(loss1) 输出： tensor(1.6667) 1.2 MSELoss 例子： x = torch.Tensor([1, 2, 3]) y = torch.Tensor([1, 0, 6]) mseloss = nn.MSELoss() los

1.卷积层（以Conv2d为例） 注：输入的参数包括batchsize，通道数，图像宽度和高度，对于一般的图像通常只有宽度和高度两个参数，所以可以使用reshape函数改变尺寸。 例1：以张量为例 input = torch.Tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9] ]) print(input.shape) input = torch.

写在最前：多看pytorch官方文档 1.官方文档中给出了数据的参数及使用方法 2.实战 dataset_transform_compose = transforms.Compose([transforms.ToTensor()]) #下载数据集 train_set = torchvision.datasets.CIFAR10(root="./dataset", train=True, transform=dataset_transform_compose, download=True) test_set

1.整体框架 例子：（以transforms.ToTensor()为例） from torchvision import transforms image_path = "IMG_1098.JPG" image = Image.open(image_path) trans_to_tensor = transforms.ToTensor() image_tensor = trans_to_tensor(image) print(image_tensor) 2.常见的transform （1）Normal