smiling614的博客

PyTorch 和 TensorFlow、Caffe 等框架最大的区别就是他们拥有不同的计算图表现形式。 Pytorch中，每次都会重新构建一个新的计算图。Tensorflow计算采用静态图，先定义计算图，然后不断使用它。Pytorch在写法上和Python是语法一致，比tensorflow更加简单方便。Pytorch设计遵循tensor-->variable(autograd)--...

图像相关层主要包括卷积层（Conv)、池化层（Pool）等，这些层在实际使用中可分为一维（1Ｄ）、二维（２Ｄ）和三维（３Ｄ），池化方式又分为平均池化（ＡvgPool)、最大池化（ＭaxPool)、自适应池化(AdaptiveAvgPool)等。卷积层除了常用的前向卷积外，还有逆卷积（ＴransposeConv)。from PIL import Imagefrom torchvision.t...

1.实际使用中，最常见的做法是继承nn.Module,撰写自己的网络层。下面将介绍如何使用nn.Module实现自己的全连接层。全连接层，又称仿射层，输入y和x满足y=Wx+b,W,b是可学习参数。import torch as timport torch.nn as nnimport torch.nn.functional as Ffrom torch.autograd impo...

报错：running_loss += loss.data[0]Traceback (most recent call last): File "/B/Practice/csdncifar-10.py", line 98, in <module> running_loss += loss.data[0]IndexError: invalid index of a ...

CIFAR-10分类，步骤如下：1）使用torchvision加载并预处理CIFAR-10数据集2）定义网络3）定义损失函数和优化器4）训练网络并更新网络参数5）测试网络CIFAR-10数据加载及预处理CIFAR-10是一个常用的彩色图片数据集，它有10个类别airplane、automobile、bird、cat、deer、dog、frog、horse、ship和tr...

损失函数：1.nn.MSELoss用来计算均方误差nn.CrossEntropyLoss用来计算交叉熵损失。eg:import torch.nn as nnimport torch.nn.functional as Ffrom torch.autograd import Variableimport torch as tclass Net(nn.Module): ...

torch.nn是专门为神经网络设计的模块化接口。nn构建于Autograd之上，用来定义和运行神经网络。nn.Module是nn中最重要的类，可以把它看作一个网络的封装，包含网络各层定义以及forward方法、调用forward(input)方法，可返回前向传播结果。下面以LeNet网络为例：...

Pytorch的Autograd模块实现了深度学习算法本质上的反向传播求导数的功能。autograd.Variable是Autograd中的核心类，简单封装了Tensor,支持几乎所有的Tensor操作。Tensor在被封装为Variable之后，可以调用.backward实现反向传播，自动计算所有梯度。1. autograd.Variable主要包括三个属性：① data: 保存Va...

1.from __future__ import print_functionimport torch as tx=t.Tensor(5,3)#构建5*3矩阵，只是分配了空间，并未初始化print(x)2.from __future__ import print_functionimport torch as tx=t.randn(5,3)#使用[0,1]均匀分布随机初始...

Table of Contents模型保存常规模型加载　模型详细信息保存模型参数冻结模型保存# 保存整个网络torch.save(net, PATH)# 保存网络中的参数, 速度快，占空间少torch.save(net.state_dict(),PATH)常规模型加载　model_dict=torch.load(PATH)model_dict=m...