PyTorch深度学习入门记录2

原创 已于 2025-07-27 09:19:42 修改 · 179 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #pytorch #人工智能

于 2025-07-23 17:55:24 首次发布
部署运行你感兴趣的模型镜像

python编辑器的选择、安装及配置

PyCharm

选择的是2021.2.4专业版，原视频为2019社区版

官网下载

Jupyter Notebook

在配置好的pytorch环境中安装Jupyter Notebook

激活pytorch环境 --> 输入命令 conda install nb_conda（要求python版本3.8及以下）

高版本命令 --> conda install jupyter notebook

注册pytorch --> python -m ipykernel install --user --name=pytorch --> 进入jupyter notebook后可以选择pytorch内核

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

PyTorch 深度学习入门与实践指南
Rhett_Butler0922的博客
04-25 1082
PyTorch 是一个开源的深度学习框架，由 Facebook AI 研究团队开发，基于 Python 和 C++，以其灵活性和易用性在学术界和工业界广受欢迎。动态计算图（Eager Execution）PyTorch 使用动态计算图（也称为“即时执行”），与 TensorFlow 的静态计算图不同。动态计算图允许在运行时定义和修改网络结构，非常适合研究和调试。优点：代码直观，调试方便，适合快速原型开发。示例：你可以在训练过程中动态改变网络结构，比如根据输入数据调整层数。高性能与 GPU 加速。
PyTorch深度学习快速入门教程
小賀のBlog
06-11 1388
重点注意Environment要选择我们刚刚在anaconda中创建好的名字叫pytorch的环境，这个里面我们刚刚是已经导入了pytorch的，然后create就可以了。这里以最大池化层为例，池化就是用一个核去比对输入，选择其中最大的值（最大池化）作为结果的一个值，这样就可以有效减少数据。如果生成的图像保留了上一次的结果，可以删掉logs里的文件，并且重启tensorbaord即可。的方式查看Dataset的官方解释。可以通过下面的命令查看当前环境下都有哪些基础包，这时候是没有pytorch的。
Pytorch深度学习入门
2301_81324929的博客
12-10 877
本人的学习笔记，参考书籍《PyTorch深度学习入门》
PyTorch深度学习入门记录1
qq_62271524的博客
07-23 331
复制下方命令到激活环境后的Anaconda Prompt里执行，执行完毕输入命令pip list查看列表存在torch，输入python --> import torch 不报错即安装成功。指定路径 --> conda create -p D:\pytorch python=3.11，原视频python版本为3.6，激活环境：Anaconda Prompt --> 输入指令 conda activate D:\pytorch。任务管理器 --> 性能 --> GPU0 --> 可显示信号代表正确安装。
PyTorch深度学习入门记录3
qq_62271524的博客
07-27 208
help()函数：了解工具的用法和作用（注意help内函数去掉()）pycharm项目终端安装opencv（然而视频并没有用到）dir()函数：了解工具箱里有什么东西。将PyTorch比作一个工具箱。
深度学习-pytorch的入门
Panda_633的博客
05-28 1762
深度学习简单入门
PyTorch深度学习入门与实战教程
weixin_34547628的博客
03-11 757
本文还有配套的精品资源，点击获取 简介：深度学习是AI的核心技术，基于神经网络对数据建模以实现学习和预测。PyTorch是一个灵活易用的开源深度学习框架，适合初学者和研究人员进行实验开发。教程涵盖了从基础概念到模型训练、验证、测试的完整流程，包括张量操作、动态计算图、数据预处理、神经网络构建、优化器使用、训练循环、模型保存加载以及CNN和RNN等关键网络结构的应用实践。通过...
Pytorch深度学习入门与实战
Duyuqq的博客
08-24 1955
PyTorch是一个开源机器学习Python库，用于深度学习实现，如计算机视觉（使用武器）和自然语言处理。它是由Facebook的AI Research Lab（Fair）于2016年开发的，自数据科学和ML领域以来已采用。Pytorch为已经熟悉Python的人提供了直观的机器，并且具有oop支持和动态计算图等具有很大的功能。除了构建深度神经网络之外，由于其GPU加速，Pytorch也非常适合复杂的数学计算。此功能允许Pytorch使用计算机的GPU来大量加速计算。
Anaconda Pytorch 深度学习入门记录
weixin_74855477的博客
10-28 1194
我这里用的是Anaconda最新的版本24.9.2，创建的pyton版本是3.9，虚拟环境名叫pytorch，下载的pytorch版本是12.1。
精选资源
Pytorch+深度学习入门PPT
08-12
**PyTorch深度学习实践** PyTorch提供了丰富的库和工具，如torchvision用于计算机视觉任务，torchtext用于自然语言处理，以及torchaudio用于音频处理。此外，PyTorch Lightning是一个轻量级的库，旨在简化PyTorch...
Pytorch深度学习入门与实战基础教程
04-07
Pytorch深度学习入门与实战基础教程深入浅出地介绍了Pytorch框架的基本概念、环境搭建、基础操作以及神经网络的构建。Pytorch作为一个开源的机器学习库，自Facebook人工智能研究团队发布以来，因其动态计算图、自动...
【文献阅读】DP-Site：一种基于双重深度学习的蛋白质-肽相互作用位点预测方法
weixin_42038527的博客
12-16 786
研究团队开发了一款名为DP-Site的AI工具，仅需分析蛋白质的氨基酸序列（“设计图”），就能精准锁定小分子药物的潜在“靶点”。DP-Site的核心创新在于其 “双专家会诊”模式。一位是“图像专家”，擅长分析序列的局部结构特征；另一位是“语义专家”，擅长理解序列的全局上下文信息。两者协同工作，使其预测综合性能（F1分数）达到0.661，超越此前所有方法。
深度学习常用工具和库介绍
最新发布
2301_81354580的博客
12-21 522
即使对于有一定基础的人来说，如果之前没有接触过python，学习深度学习的时候，对一些工具和依赖库依然会感到陌生，我自己就是学Java的，最近在学习深度学习，对 python接触不多，因此对其中一些工具并不熟悉，所以整理了一些常用的介绍一下，当然后续可能还会增加。
【深度学习】Mask R-CNN在温室番茄成熟度检测中的应用——基于ResNet18与FPN的多级特征融合分类系统
Lun3866buzha的博客
12-18 685
本文提出了一种基于改进Mask R-CNN的温室番茄成熟度检测系统，通过结合ResNet18骨干网络和FPN多级特征融合技术，实现了对不同成熟度番茄的高精度识别。系统采用5000张标注图像进行训练，通过数据增强提高模型鲁棒性，最终在测试集上达到92.3%的准确率和89.7%的mAP。实际部署采用边缘计算设备，处理速度达20FPS，显著提升了番茄采摘效率。实验表明，该系统在复杂光照条件下表现稳定，为智能农业提供了有效的技术解决方案。
Pytorch经典卷积神经网络-----激活函数篇
2301_77958892的博客
12-18 763
在神经元的数学表达式 (y = h(wx+b)) 中，h、w、b 分别代表激活函数、权重参数、偏置参数，三者是构成单个神经元的核心要素，共同实现对输入信号的加权变换与非线性映射其中h则为激活函数一个非线性函数，用于对线性变换结果 (wx+b) 进行映射，让神经元具备非线性表达能力。核心作用：如果没有激活函数，无论神经网络有多少层，最终输出都是输入的线性组合（多层线性变换等价于单层线性变换），无法拟合复杂的非线性任务（如图像分类、语音识别）。
入门篇--人工智能发展史-4-点燃深度学习革命的那把火，AlexNet
weisian的博客
12-20 809
摘要： AlexNet（2012）是深度学习革命的里程碑模型，以15.3%的错误率横扫ImageNet竞赛，比传统方法提升10个百分点。其成功源于三大突破：1）ReLU激活函数解决深层网络梯度消失问题；2）GPU并行训练将训练时间从数周缩短至5-6天；3）Dropout正则化防止过拟合。该模型奠定了现代CNN的“卷积+池化+全连接”范式，推动GPU成为AI基础设施，并验证了“数据+算力+算法”的铁三角逻辑。AlexNet直接引爆了全球深度学习热潮，其设计思想至今仍是计算机视觉的基石。
基于深度学习的肾结石检测系统演示与介绍(YOLOv12/v11/v8/v5模型+Pyqt5界面+训练代码+数据集)
ningfoshao8678的博客
12-16 967
本文介绍了基于YOLO目标检测算法开发的肾结石检测系统。该系统支持图片、视频、文件夹批量及摄像头实时检测，包含用户登录、多模型切换等功能。技术栈采用Python3.10、PyQt5和SQLite，对比了YOLOv5/v8/v11/v12四种模型性能，其中YOLO12n精度最高(mAP40.6%)，YOLO11n速度最快(56.1ms)。系统在17000张肾脏影像数据集上训练，mAP@0.5达90%，F1值0.86，能有效识别肾结石位置并显示置信度。
多模态模型CLIP详解
A1233242的博客
12-17 960
CLIP（Contrastive Language–Image Pretraining）是 OpenAI 提出的一种多模态模型，通过对大量“图像–文本”对进行对比学习训练，使模型能够将图像和自然语言映射到同一个语义空间中。它不需要为每个视觉任务单独标注数据，而是通过理解文本描述来完成图像分类、检索和零样本学习等任务，从而具备很强的泛化能力和跨模态理解能力
基于PyTorch的深度学习——迁移学习2
Wis4e的博客
12-20 113
接下来，下载预训练模型，冻结模型参数使得反向传播时不更新，修改最后一层输出类别（512x1000改成512x10）现在将迁移学习的特征提取应用于CIFAR-10。
Pytorch深度学习入门与实战：掌握2024前沿技术
资源摘要信息:"Pytorch深度学习入门与实战2024版" 知识点一：PyTorch简介 PyTorch是一个开源的机器学习库，使用Python编程语言开发，主要用于计算机视觉和自然语言处理等深度学习应用。它是由Facebook的人工智能...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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