reept的博客

在torchvision.models.vgg的源代码中，vgg网络中包含了3个顺序执行的子模块：vgg.features，vgg.avgpool，vgg.classifier。基于某一种网络结构，首先在一个初始任务场景、初始数据集上训练好一个模型，然后再应用到目标任务上，针对目标任务的特征、数据集，对训练好的模型进行精调（微调）（fine-tune），最终满足目标任务的需求。卷积层： nn.Conv1d(一维数据上的卷积)、nn.Conv2d(二维数据上的卷积)、nn.Conv3d(三维数据上的卷积)。

本文介绍了图像处理和深度学习相关的关键技术，主要包括：1）图像数据读取方法，详细说明了使用PIL、OpenCV和torchvision.io库读取和处理图像的步骤，包括图像格式转换、大小调整和模式转换等操作；2）神经网络的构建方法，阐述了如何通过继承torch.nn.Module类自定义网络模型，包括参数初始化、前向传播定义以及参数管理；3）模型训练流程，展示了如何使用优化器进行参数更新和损失计算；4）还提供了模型状态管理、数据转换和图像显示等实用技巧。这些内容为CV和深度学习实践提供了全面的技术参考。

开发者可能需要使用特定的工具或命令来查看和分析图的结构，在静态图中，不能像动态图那样逐步执行和检查中间结果，调试起来相对较为复杂，）Pytorch支持自动求导，用户定义好操作的前向计算和反向梯度计算规则（可自定义），Pytorch能够自动调用计算图算子，完成整个网络的自动求导。对于一个计算操作来说，如果所有输入中有一个输入需要求导，则输出就需要求导，如果所有输入都不需要求导，则输出也不需要求导。x = torch.zeros(2,1,2,1,2) # 维度序号从左至右从0算起，依次为0，1，2，3，4。

从Numpy 生成Tensor从tensor 到 Numpy注： 使用上述函数产生的tensor 和NumPy 数组共享内存，对其中的一个更改也会使另外一个随着改变，如需要不共享内存，则可以分别按照如下方式：从Numpy 生成Tensor且不共享内存：从tensor 到 Numpy 且不共享内存：from_numpy 将Numpy数组转换为张量zeros/ones 创建元素值全为0/1的张量eye 创建对角元素为1，其余元素为0cat/concat 连接多个张量split 切分张量。

如何使用Pytorch计算样本张量的基本梯度呢？考虑一个样本数据集，且有两个展示变量，在给定初始权重的基础上，如何在每次迭代中计算梯度呢？

进行基本的张量统计如均值、中位数、众数等；进行基本的统计有助于应用概率分布和统计推断。Ｔorch功能与Ｎumpy类似，但是Ｔorch函数支持ＧＰＵ加速。以下是创建基本统计量的函数；标准差反映了偏离中心度量的程度，指示着数据或变量的一致性，它表明数据中是否有较大的波动或异常。１Ｄ张量统计均值很简单，但是计算２Ｄ张量的统计量需要额外的参数，因为在这些计算中需要指定维度。

本文主要内容为Pytorch有关概率和概率分布的部分。

本文主要介绍了Pytorch中，张量和张量的基本运算。

续上篇Pytorch———（0）

Torch是LUA语言下的一个有大量机器学习算法支持的科学框架，是一个与Numpy类似的操作库，其特点是特别灵活，但其接口语言是LUA语言（相当于一个小型加强版的C，支持类和面向对象，运行效率极高，与C语言结合“特别默契”），所以流行度不高。