智慧的旋风的博客

Kaggle猫狗分类问题数据集处理数据集官方下载：https://www.kaggle.com/c/dogs-vs-cats-redux-kernels-edition/data参考资料：https://github.com/ytchx1999/Pytorch-Camphttps://github.com/greebear/pytorch-learningimport torchimport osfrom PIL import Imagefrom torch.utils.data imp

参考：https://github.com/JansonYuan/Pytorch-Camphttps://github.com/greebear/pytorch-learning方法功能 / 注意事项id()可以打印变量的内存地址y = x直接赋值，两个变量共享内存torch.full((3, 2), 2)tensor([[2, 2], [2, 2], [2, 2]])torch.arange(1, 10, 1)tensor([1, 2, 3, 4,

paper《FAST GRAPH REPRESENTATION LEARNING WITHPYTORCH GEOMETRIC》。文档https://pytorch-geometric.readthedocs.io/en/latest/项目地址https://github.com/rusty1s/pytorch_geometric

第三章 PyTorch神经网络工具箱利用PyTorch的数据结构及自动求导机制可以大大提高我们的开发效率。本章将介绍PyTorch的另一利器：神经网络工具箱。利用这个工具箱，设计一个神经网络就像搭积木一样，可以极大简化我们构建模型的任务。3.1 神经网络核心组件神经网络看起来很复杂，节点很多，层数多，参数更多。但核心部分或组件不多，把这些组件确定后，这个神经网络基本就确定了。这些核心组件包括：1）层：神经网络的基本结构，将输入张量转换为输出张量。2）模型：层构成的网络。3）损失函数：参数学习的

第二章 PyTorch基础PyTorch是Facebook团队于2017年1月发布的一个深度学习框架，虽然晚于TensorFlow、Keras等框架，但自发布之日起，其关注度就在不断上升，目前在GitHub上的热度已超过Theano、Caffe、MXNet等框架。PyTorch采用Python语言接口来实现编程，非常容易上手。它就像带GPU的Numpy，与Python一样都属于动态框架。PyTorch继承了Torch灵活、动态的编程环境和用户友好的界面，支持以快速和灵活的方式构建动态神经网络，还允许在训

第一章 numpy基础1.1 生成numpy数组import numpy as np1.1.1 从已有数据中创建numpy数组lst1 = [[1,2,3], [4,5,6]]nd1 = np.array(lst)print(nd1)print(type(nd1))[[1 2 3] [4 5 6]]<class 'numpy.ndarray'>1.1.2 利用random生成数组nd2 = np.random.randn(3,3)print(nd2