qq_60498436的博客

导航到 W&B 应用程序，查看 https://wandb.ai/home 中我们使用 W&B 记录的指标（准确性和损失）在每个训练步骤中是如何改进的。使用 wandb.init（） 在 Python 脚本或笔记本中初始化 W&B Run 对象，并使用超参数名称和值的键值对将字典传递给参数：config。这里的project 和 entity是wandb上创建项目的名称和用户名，可以在官网上参考创建项目，运行是 W&B 的基本组成部分。本文章将从wandb的安装、wandb的使用、demo的演示进行讲解。

parser.add_argument(‘–embedding’, default=‘pre_trained’, type=str, help=‘random or pre_trained’)：添加一个名为 --embedding 的命令行参数，用于指定词嵌入的类型，它可以是 ‘random’（随机初始化的词向量）或 ‘pre_trained’（预训练的词向量）。这段代码的作用是让用户可以从命令行选择不同的模型、词嵌入类型以及基于词还是字符进行文本分类。：新闻的主题分类，10分类任务。

【代码】基本的flask部署训练好的模型。

1.数据和标签的目录结构先搞定(得知道到哪读数据)2.写好读取数据和标签路径的函数(根据自己数据集情况来写)3.完成单个数据与标签读取函数(给dataloader举一个例子)

resnet图像分割识别各种花朵

784，各个像素点之间都是没有联系的。28，各个像素点之间是有联系的。单向量是一维卷积 conv1。图像是二维卷积 conv2。视频是三维卷积 conv3。全连接层：batch。

利用pytorch神经网络预测温度变化

上面的视频 + 我的一篇博客，即可解决anaconda配置的所有问题。

pytorch的cpu和gpu的配置教程

Pytorch从入门到进阶

本文章主要基于pytorch实现了手写数字的识别