人工智能-作业1：配置PytTorch环境并利用PyTorch实 现反向传播

原创 已于 2022-05-01 10:15:21 修改 · 1.7k 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能

于 2022-05-01 00:02:04 首次发布
本文档详细介绍了如何配置PyTorch环境，包括安装PyCharm、Python、Anaconda和CUDA 10.0，以及PyTorch的安装。接着，解释了反向传播的概念，通过链式法则和计算图来理解反向传播的过程，并提供了PyTorch中计算梯度的步骤。最后，文中展示了PyTorch计算过程的直观示意图。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

人工智能-作业1：配置PytTorch环境并利用PyTorch实 现反向传播

安装PyCharm

  1. 进入官网下载安装包https://www.jetbrains.com/pycharm/download/#section=windows；
  2. 进行安装，按照下图进行勾选在这里插入图片描述
  3. 安装成功

安装Python

  1. 进入官网下载https://www.python.org/downloads/release/python-3104/
    在这里插入图片描述

  2. 进行安装在这里插入图片描述

  3. 配置环境变量，将python安装地址复制进去在这里插入图片描述
    在这里插入图片描述

  4. 功能检测，cmd输入python进行检测，则安装成功在这里插入图片描述

安装PyCharm

  1. 安装Anaconda
    https://www.anaconda.com/products/distribution#Downloads

  2. 安装CUDA 10.0
    谷歌搜索“cuda download”进入https://developer.nvidia.com/cuda-downloads
    然后选择win10版本的local版本，点击右下角的dowload，大概2.4G左右

  3. Pytorch的安装
    打开pytorch官网，即https://pytorch.org/，点击“install”，然后进入版本的选择页面。在这里插入图片描述
    然后将下面这条Command命令复制，以管理员身份运行cmd，并将刚刚这条命令粘贴到控制台上。即可安装。

  4. 安装pycharm并进行环境配置
    在这里插入图片描述
    ##实现反向传播

由于不是很懂这一块的知识，于是去看了几篇大佬的博客进行了恶补……
先贴代码

import torch
 
# 假设w的初始值为
最低0.47元/天 解锁文章

200万优质内容无限畅学
RussKai
关注
A Comprehensive Survey on Graph Neural Networks
c_cpp_csharp的专栏
09-07 700
​ 本文是对《A Comprehensive Survey on Graph Neural Networks》论文的一个翻译，主要针对文字部分，插图和表格不添加，需要请看原论文。 图神经网络综述摘要1. 引言2. 背景和定义A. 背景B. 定义3. 分类和框架A. 图神经网络（GNNs）分类B. 框架4. 循环图神经网络5. 卷积图神经网络A.基于谱的ConvGNNsB.基于空间的ConvGNNsC.图池化模块D.理论方面的讨论6. 图自编码器A.网络嵌入B.图生成7. 时空图神经网络8. 应用A. 数据集
【深度学习】PyTorch框架(4)：初始网络、残差网络 和密集连接网络
MUKAMO的博客
07-17 1578
本文详细介绍并实现了GoogleNet、ResNet和DenseNet三种现代卷积神经网络架构，使用PyTorch Lightning框架简化了代码并提高了训练效率。通过TensorBoard可视化训练过程，对比分析了各模型在CIFAR-10数据集上的表现。结果显示，ResNet在验证集上表现最佳，而DenseNet在参数数量上更为高效。文章建议新任务从ResNet开始尝试，对于复杂任务则推荐使用ResNet或DenseNet的复杂变体。
深入浅出PyTorch：从零开始入门人工智能
canshanyin的博客
05-04 1214
PyTorch是由Facebook AI研究院开发的Python深度学习框架，是目前最流行的深度学习框架之一。它通过动态计算图的方式实现了神经网络的构建和优化，同时能够高效地利用GPU进行计算加速。PyTorch具有易用、灵活和高效等特点，被广泛应用于深度学习领域，如自然语言处理、计算机视觉、推荐系统等。以上就是关于PyTorch的一些基本知识、应用以及示范的介绍。PyTorch作为深度学习领域最流行的框架之一，具有易用、灵活和高效等特点，在深度学习领域拥有广泛的应用。
人工智能入门(一) Torch基本使用
DXCyber409的博客
10-17 1388
本文目录 目录本文目录环境安装PyTorch数据类型操作pandas读写数据集矩阵操作自动求导概率论环境安装 PyTorch官网Jupyter NoteBook PyTorch数据类型操作 import torch x = torch.arange(12) # 使用arange创建一个行向量x tensor([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 1...
人工智能深度学习-前置-Torch框架
最新发布
dgsiwbe的博客
11-21 1212
PyTorch会将数据封装成张量（Tensor）进行计算，所谓张量就是元素为相同类型的多维矩阵。张量可以在GPU 上加速运行。
开源的人工智能项目 Torch 和 FacebookAI 工具
牛崽的博客
05-25 2669
Torch  深度学习以后再说
Pytorch入门学习
Barbara‘s Blog
07-11 1302
Pytorch 基本概念 张量（Tensor） PyTorch 张量(Tensor)，张量是PyTorch最基本的操作对象，英文名称为Tensor，它表示的是一个多维的矩阵。比如零维是一个点，一维就是向量，二维就是一般的矩阵，多维就相当于一个多维的数组，这和numpy是对应的，而且 Pytorch 的 Tensor 可以和 numpy 的ndarray相互转换，唯一不同的是Pytorch可以在GPU上运行，而numpy的 ndarray 只能在CPU上运行。 常用的不同数据类型的 Tensor 如下: 3
python交通标志识别_利用pytorch实现交通标志识别
weixin_39724382的博客
12-11 4174
本文是在https://www.jianshu.com/p/d8feaddc7bdf文章的基础上用Pytorch实现的话不多说，直接上代码，具体的可以看代码中的解释代码实现import osimport torchimport torchvision as tvimport torchvision.transforms as transformsimport torch.nn as nnimpor...
Pytorch基础教程（1）：人工智能与Pytorch简介
jianhunhenbaqi的博客
03-05 657
Pytorch基础教程（1） ：人工智能与Pytorch简介 1.人工智能简介 人工智能是新一轮科技革命和产业变革的重要驱动力量，其发挥作用的广度和深度堪比历次工业革命。蒸汽革命成就了英国，电气和信息化革命成就了美国。如今人工智能的历史机遇正在全面展开，也将成就新的引领者。 下图显示了一部典型iPhone手机上安装的一些常用应用程序。苹果Siri等智能助理和智能聊天类应用，正试图颠覆你和手机交流的根本方式；新闻头条等热门新闻应用依赖于人工智能技术向你推送最适合你的新闻内容；美图秀秀等利用人工智能技术
【实测】小白一看就学会的python的AI模型torch（上）可以预测你的结婚年龄
我去热饭的博客
05-25 1040
当然，这并不难，任何事务都可以用纯数字来表示，比如我自己，性别:1（1表示男，2表示女），身高:174，年龄:33，日收入:900，爱好:1 (1代表游戏，2代表运动，3代表旅游) 等等.... ，这样一个人就可以用一大串数字组成的列表来代表：[1,174,33,900,1]你用年收入，六位数了都！这就是永久存储到你本地的模型了，之后要预测啥，直接调用就可以，很多同学喜欢网上下载一些AI的模型，大多也是.pt，就是这样生成的~ 以后就不用到处去网上搜还要下载了，这回当一个真正的极客，自己写模型！
[人工智能]Pytorch基础
diaoliu7553的博客
06-12 186
PyTorch基础 摘抄自《深度学习之Pytorch》。 Tensor（张量） PyTorch里面处理的最基本的操作对象就是Tensor，表示的是一个多维矩阵，比如零维矩阵就是一个点，一维就是向量，二维就是一般的矩阵，多维就相当于一个多维数组，这和numpy是对应，而且PyTorch的Tensor可以和numpy的ndarray相互转换，唯一不同的是PyTorch可以在GPU上运行，而n...
torch 深度学习(4)
weixin_34248705的博客
01-20 131
torch 深度学习(4)test doall files经过数据的预处理、模型创建、损失函数定义以及模型的训练，现在可以使用训练好的模型对测试集进行测试了。测试模块比训练模块简单的多，只需调用模型就可以了 测试模块 加载模块 require 'torch' require 'xlua' -- 主要使用进度条用到 require 'optim' -- confusionM...
人工智能11-用Pytorch构建神经网络
Kang_Kang330的博客
07-10 402
• Pytorch是torch的python版本，是由Facebook开源的神经网络框架，专门针对 GPU 加速的深度神经网络（DNN）编程。Torch 是一个经典的对多维矩阵数据进行操作的张量（tensor ）库，在机器学习和其他数学密集型应用有广泛应用。
【2021-2022 春学期】人工智能-作业1：配置PyTorch环境并利用PyTorch实现反向传播
m0_51171995的博客
04-30 2044
利用PyTorch实现反向传播
（四）PyTorch深度学习：PytTorch实现线性回归
K_AAbb的博客
07-12 981
PyTorch实现线性回归
通透讲解！Pytorch 十大核心操作全总结！！!
热门推荐
Python数据挖掘
03-16 1万+
可以通过继承。
PyTorch深度学习：PytTorch实现线性回归
weixin_45911307的博客
03-13 434
但有时候PyTorch计算图效率不高，如果你有更加快的方法求导，可以从 function 来继承（也是PyTorch里面的一个类）。把线性模型构造一个类（常见的方法），构造的LinearModel模型类继承自torch.nn.Module（因为 Module 里面有很多方法，在模型训练中用到）。第2个函数的作用：进行前馈的过程中所要进行的计算。线性模型可以直接通过 torch 中的模块 torch.nn.Module 来继承获得，线性模型是所有神经网络模块最基本的类。
UserWarning: indexing with dtype torch.uint8 is now deprecated, please use a dtype torch.bool instea
curtain的博客
02-02 4621
今天用pytorch训练的时候，出现了一堆这样的报错，翻阅了一些资料，找到了解决方法 找到model.py 将obj_mask改为obj_mask.bool() 将noobj_mask改为noobj——mask.bool（） 我在repalce all的时候，发现部分已经加了.bool（）所以在替换的时候要注意一些 ...
UserWarning: indexing with dtype torch.uint8 is now deprecated, please use a dtype torch.bool
ZauberC的博客
04-01 3483
简答来说分两个思路来解决： 把uint8转为bool值 屏蔽userwarning 方法一： 找到model.py 添加如下标记的两行代码 方法二： 在train.py导入报上加入下面两句话 import warnings warnings.filterwarnings("ignore", category=UserWarning) 屏蔽掉warning就可以了。 ......
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值