AIChemist

PytorchCNN项目搭建 9--- Git命令上传代码至Github服务器的新文件夹上传至Github：参考文献服务器的新文件夹上传至Github：先书写 .gitignore 文件，屏蔽一些不需要上传的文件或者文件夹。.idea/.ipynb_checkpoints/cache/__pycache__/*.out然后再开始执行git命令，这些指令都是要在后台的对应的文件夹下运行的。1. git init # git初始化2. git status # 查看现在存储区内容，现在是为

PytorchCNN项目搭建8 -- 反向传播反向传播原理反向传播代码1. 激活函数2. 全连接层3. 卷积层4. 池化参考文献反向传播原理主要原理部分可以参考1&2反向传播代码反向传播可以分为激活函数、全连接层、卷积层、池化层等。1. 激活函数class Relu: def __init__(self): self.mask = None def forward(self,x): self.mask = (x<=0)

@toc参考文献深度学习模型评估指标

PytorchCNN项目搭建 6— 训练、验证CNN整体的代码在我的github上面可以查阅上几次的实验已经下载了数据集，并且写好了models，并进行了一些基础的配置，这次的主要目标是写好训练过程。主要的流程如下：配置args, cfg, log等将之前的数据集datasetset经过DataLoader变成data_loader加载网络net选择损失函数和优化器训练网络，得到损失值lossimport osimport pdbimport argparseimport to

PytorchCNN项目搭建 5--- mmcv_configMMCV简单说明最后贴上自己设置的参数代码参考文献整体的代码在我的github上面可以查阅MMCV简单说明mmcv 是python的一个基础库函数，包括:File IO（提供两个通用的接口，用于加载和转储不同形式的文件）Image（采用opencv的方式实现，在使用过程中需要保证OpenCV已经安装）Video（包括视频读取和转换的接口，视频编辑的一些方法以及光流的读取/写/弯曲）这里我主要用到的是Utils中的 Config模

PytorchCNN项目搭建4---常见的卷积神经网络cnn常见的卷积神经网络参考文献整体的代码在我的github上面可以查阅常见的卷积神经网络今日的主要目的不是介绍各个CNN的原理等，原理性的介绍很多博主已经解释的很详细了。本文主要目的是如何使用这些models，之后进行训练学习，所以，我会列举几个重要的CNN，给出文章及基本的介绍，大家可以自行查阅。 常见的CNN有：Lenet、Alexnet、VGG、Inception、Resnet等。具体的文章和代码详见参考文献[2]参考

Cifar10数据集处理PytorchCNN项目搭建3--- Cifar10数据集的处理前期准备：1. Cifar10数据集从官网下载2. 把训练集转换为图片， 并把图片路径及名称保存到txt文件中，还把训练集按照一定的概率分为训练数据集和验证数据集3. 测试集test_dataset也做同样的处理4. 然后将图片转换成数据集，继承torch.utils.data.Dataset的类进行书写5. 对图像数据进行处理参考文献PytorchCNN项目搭建3— Cifar10数据集的处理整体的代码在我的git

PytorchCNN项目搭建2—Argparse整体的代码在我的github上面可以查阅argparse 模块可以让人轻松编写用户友好的命令行接口。程序定义它需要的参数，然后 argparse 将弄清如何从 sys.argv 解析出那些参数。argparse 模块还会自动生成帮助和使用手册，并在用户给程序传入无效参数时报出错误信息。import argparse位置参数介绍"""一个简单的例子"""## 此程序需要在命令行运行，然后查看相应的结果parser = argparse.Ar

Logger日志模块Logging Python日志记录工具Logging提供了一些便利的函数：debug(), info(), warning(), error(), critical()一个简单的例子记录日志到文件更改显示消息的格式在消息中显示时间进阶教程配置记录器Example为了之后更好的调用，我们把这个写成一个class类，如下所示：参考文献从今天开始，要进行一个简单的PytorchCNN完整的项目搭建，整体的代码在我的github上面可以查阅这个项目包括基础了logging、argpa