- 博客(9)
- 收藏
- 关注
RSS订阅原创 pytorch -加载模型用于测试
这段代码的作用是对一张图片进行分类预测，使用了一个预先训练好的神经网络模型。：将模型设置为评估模式，关闭 Dropout 等训练时的行为。是 PyTorch 的计算机视觉扩展库，用于处理图像数据。是 Python 的图像处理库，用于打开和操作图像。用预测结果的索引从类别标签列表中找到对应的类别名称。应用预处理流程到图像，并打印预处理后的图像形状。：将图像转换为 PyTorch 的张量格式。打印预测的类别索引和对应的类别名称。获取最大值的索引（即分类结果）。，以便符合模型的输入要求（将图像张量的形状调整为。
2025-02-27 18:48:47
334
原创 pytorch-模型的加载，迁移学习，保存
代码的主要目的是加载预训练的 VGG16 模型，并修改其分类器部分以适配 CIFAR-10 数据集。修改后的模型可以直接用于 CIFAR-10 的分类任务，而无需重新训练整个 VGG16 模型。这段代码展示了两种不同的模型加载方式，并打印了模型的结构。
2025-02-27 18:07:23
1876
原创 剖解pytorch的CNN例子，了解函数Sequential，Conv2d,Maxpool2d，Flatten
数据加载：使用DataLoader加载 CIFAR-10 数据集，并分批处理。模型定义：定义了一个包含卷积层、池化层和全连接层的 CNN 模型。训练过程使用作为损失函数，SGD作为优化器。通过 10 个 epoch 的训练，模型逐渐优化。优化与可视化：每完成一个 epoch，打印当前的损失值，用于监控训练过程。这段代码是一个简单的深度学习训练示例，适用于初学者理解和学习 CNN 的基本原理和 PyTorch 的使用。解析函数Sequential 的使用场景和原理。
2025-02-27 17:02:07
821
原创 pytorch的dataloader函数
这段代码的主要目的是加载 CIFAR-10 数据集，并将数据集中的图像以批量的形式可视化到 TensorBoard 中。通过DataLoader和，可以方便地加载和可视化数据。TensorBoard 的数据可以使用以下命令查看：bash复制打开浏览器并访问即可查看可视化结果。DataLoader是一个便捷高效的工具，用于在深度学习任务中加载和管理数据。它通过批量加载、数据打乱、多线程支持等功能，满足了不同场景下的数据处理需求。
2025-02-27 16:26:54
1357
原创 pytorch的transfoms函数
torchvision.transforms` 中的变换方法（如 `ToTensor`、`Normalize`、`Resize` 等）都是 `torch.transforms` 模块中的类对象。- `transforms.ToTensor()` 背后实现的是将图像的像素值从 `[0, 255]` 转换为 `[0, 1]`，并将图像的通道顺序从 `(H, W, C)` 转换为 `(C, H, W)`。- **随机裁剪**：使用 `transforms.RandomCrop` 对图片进行随机裁剪。
2025-02-27 16:07:20
374
原创 简单的深度学习预测
这段代码实现了一个完整的深度学习流程，包括数据加载、模型定义、训练、验证和测试。它使用 PyTorch 框架，构建了一个简单的神经网络模型，用于处理 COVID-19 数据集。这段代码是一个完整的深度学习训练流程，用于处理COVID-19数据集，训练一个简单的神经网络模型，并对测试数据进行预测。：PyTorch 提供的优化器模块，用于更新模型参数。：对测试数据进行预测，并将结果保存到 CSV 文件中。：PyTorch 提供的工具，用于加载和处理数据集。遍历训练数据，计算损失，反向传播，更新参数。
2025-02-11 22:17:27
1590
原创 简单的线性回归模型
这段代码实现了一个完整的线性回归流程，包括数据生成、模型训练、损失计算和结果可视化。修正后的代码可以正确运行并展示训练后的线性拟合效果。
2025-02-09 11:13:38
612
1
空空如也
购买课程下架，怎么都看不了
2023-08-24
TA创建的收藏夹 TA关注的收藏夹
TA关注的人