rensweet的博客

pytorch快速入门（十）cifar-10模型结构可视化前言CIFAR-10 Model Structure代码代码解释运行结果tensorboard可视化前言框架环境：pycharm；使用pytorch环境，请自行配置可视化工具：tensorboard有不懂的可翻阅pytorch快速入门之前的笔记pycharm相关快捷键ctrl+/ 注释Ctrl+P 查看参数，如下，光标移动至想要查看的函数，然后按下快捷键CIFAR-10 Model Structure下图是cifar-10模型

1、线性层linear1、官方简介简单解释：下图中的input layer为in_features, hidden layer为out_features, 经过线性层将x转换为g2、代码import torchimport torchvisionfrom torch import nnfrom torch.nn import Linearfrom torch.utils.data import DataLoader#导入数据集datasets = torchvision.datas

这里写目录标题1、ReLU()1、ReLU相关简介2、代码3、运行结果2、Sigmoid()1、Sigmoid相关简介2、代码3、运行结果4、tensorboard可视化环境配置请看这里1、ReLU()1、ReLU相关简介以ReLU为例ReLU官方文档2、代码import torchfrom torch import nnfrom torch.nn import ReLUinput = torch.tensor([[1,-0.5], [-1

1、数据集：CIFAR102、二维最大池化MaxPool2d可视化1、相关参数2、代码及说明代码import torchimport torchvisionfrom torch import nnfrom torch.nn import MaxPool2dfrom torch.utils.data import DataLoaderfrom torch.utils.tensorboard import SummaryWriter#使用CIFAR10数据集dataset = tor

这里写目录标题1 数据集：CIFAR102 简单一层卷积可视化1、代码2、运行结果3、tensorboard结果可视化1 数据集：CIFAR10使用CIFAR10，之前下过所以直接用。没有下载的请看此条笔记进行下载。1、数据集所在文件夹如下2、运行下列代码from torch.utils.data import DataLoaderfrom torch import nn#torchvision.datasets.CIFAR10参数说明#root：数据集根目录#train（bool

1. torch.nn.functional官方解释进入pytorch官方Docs查看 torch.nn官方指南，讲的很详细2 代码1、import torchfrom torch import nninput = torch.tensor([[1, 2, 0, 3, 1], [0, 1, 2, 3, 1], [1, 2, 1, 0, 0], [5, 2, 3,

一、查看官方指南pytorch官方网站二、代码运行1、pycharm中新建python文件，输入以下代码import torchvisionfrom torch.utils.data import DataLoaderfrom torch.utils.tensorboard import SummaryWriter#准备的测试数据集test_set = torchvision.datasets.CIFAR10(root="E:/PycharmProjects/Pytoch_learnin

这里写目录标题1、关于数据集数据集查找方式下载数据集2、使用tensorboard可视化整体代码可视化1、关于数据集可在pytorch官网找到自己需要的https://pytorch.org/数据集查找方式下载数据集import torchvision#使用CIFAR10数据集#1、下载训练集，root：保存地址train_set = torchvision.datasets.CIFAR10(root="E:/PycharmProjects/Pytoch_learning/datase

写在前面：1、此篇博客如遇问题，可看之前的解决。2、如需数据集可自取链接：https这里写目录标题一、常用类介绍1. Compose()2. ToTensor()3.PILToTensor()4.Normalize()5.Resize()6.RandomCrop()二、实现代码1、整体代码2、运行结果3、tensorboard可视化结果三、总结一、常用类介绍1. Compose()其实就是将几个transforms()组合起来使用。相关代码解释 打开左侧structure 1）call （

解决两个问题1）transforms()如何使用2）为什么需要tensor数据类型1、transforms结构及用法[以ToTensor()为例]问题1）transforms()如何使用transforms.ToTensor()；作用 将“PIL Image”，“numpy.ndarray”转换为tensor2、代码实例1、在pycharm中输入下列代码from PIL import Imagefrom torch.utils.tensorboard...