分类 PyTorch 教程 下的文章


撰写于:  浏览:254 次  分类:PyTorch 教程
1、Softmax函数简介Softmax是一种激活函数,它可以将一个数值向量归一化为一个概率分布向量,且各个维度上的概率值相加之后的和为1。在深度学习领域,Softmax函数可以用来作为神经网络的最后一层,用于多分类问题的输出。另外,Softmax层常常和交叉熵损失函数一起结合使用。2、Softmax函数的计算公式对于向量中的每个元素,Softma[...]

撰写于:  浏览:247 次  分类:PyTorch 教程
在Pytorch中torch.nn.Embedding层的作用很简单,它的本质就是一张查找表。如下代码所示:import torch import torch.nn as nn torch.manual_seed(1) embedding = nn.Embedding(5, 3) print(embedding.weight)打印出的结果为:[...]

撰写于:  浏览:251 次  分类:PyTorch 教程
在一门语言中,词语的位置和顺序对句子意思表达至关重要的。传统RNN模型天然有序,在处理句子时,以序列的模式逐个处理句子中的词语,这使得词语的顺序信息在处理过程中被天然的保存下来,并不需要额外的处理。由于Transformer模型没有RNN(循环神经网络)或CNN(卷积神经网络)结构,句子中的词语都是同时进入网络进行处理,所以没有明确的关于单词在源句[...]

撰写于:  浏览:248 次  分类:PyTorch 教程
自从PC诞生以来,驱动程序就一直如影随形,与硬件产业一同发展。显卡驱动是连接操作系统与显卡硬件的桥梁,显卡驱动程序使操作系统能够识别和使用显卡的基本显示功能。即使没有安装专门的驱动程序,大多数操作系统也能通过通用驱动支持显卡的基本显示功能,但这通常无法充分发挥显卡的全部性能。因为显卡驱动程序包含了一系列优化算法,可以提升显卡处理图形和视频的能力。对[...]

撰写于:  浏览:265 次  分类:PyTorch 教程
1、cuDNN是什么?cuDNN全称NVIDIA CUDA® Deep Neural Network library, 是一个用于深度神经网络的GPU加速库。cuDNN包含了为神经网络中常见的计算任务提供高度优化的实现。包括前向卷积、反向卷积、注意力机制、矩阵乘法(matmul)、池化(pooling)和归一化(normalization)等。cu[...]

撰写于:  浏览:280 次  分类:PyTorch 教程
1、torch.log()函数定义torch.log(input, *, out=None) 其作用是返回一个新的张量,其中包含输入元素的自然对数。计算公式如下所示:$$ y_i = log_e(x_i) $$2、torch.log()函数代码举例:>>> a = torch.rand(5) * 5 >>> a[...]

撰写于:  浏览:335 次  分类:PyTorch 教程
前言做为深度学习从业者,最基本的要求是要会配置PyTorch的开发环境。我们在配置环境的时候都知道有显卡驱动、CUDA、cuDNN、CUDA Toolkit、PyTorch等组件,而且不同的组件还有不同的版本,搞得人十分头大,彻底明白这些东西如何选择和配置对我们来说是十分有必要的,下面我给大家介绍一下这些组件的定义与相互关联。显卡驱动(GPU Dr[...]

撰写于:  浏览:455 次  分类:PyTorch 教程
transforms.normalize()函数介绍transforms属于torchvision模块的方法,它是常见的图像预处理的方法,以提升泛化能力。transforms包括的数据预处理方法有:数据中心化、数据标准化、缩放、裁剪、旋转、翻转、填充、噪声添加、灰度变换、线性变换、仿射变换、亮度、饱和度及对比度变换等transforms.norma[...]

撰写于:  浏览:358 次  分类:PyTorch 教程
在深度学习中,卷积神经网络用于处理图像。为了构建训练神经网络,我们需要处理大量图像。有几种方法可以在 PyTorch 中加载计算机视觉数据集,具体取决于数据集的格式和项目的具体要求。一种流行的方法是使用内置的 PyTorch 数据集类,例如 torchvision.datasets。它提供了一种方便的方法来加载和预处理常见的计算机视觉数据集,例如C[...]

撰写于:  浏览:335 次  分类:PyTorch 教程
数据准备import torch import torch.nn as nn import numpy as np import matplotlib.pyplot as plt # Set random seed for reproducibility np.random.seed(0) torch.manual_seed(0) # Gene[...]

撰写于:  浏览:398 次  分类:PyTorch 教程
代码如下:import torchvision from PIL import Image import torchvision.transforms as transforms from matplotlib import pyplot as plt from torchvision.models.feature_extraction impor[...]

撰写于:  浏览:360 次  分类:PyTorch 教程
在深度学习项目中,数据的预处理、加载和批处理是至关重要的步骤。PyTorch 提供了多个实用工具以简化这些过程,其中TensorDataset和DataLoader是最常用的类之一。TensorDataset和DataLoader是 PyTorch 中处理数据的强大工具,它们简化了数据加载和批处理的复杂性,是进行深度学习模型训练时不可或缺的组件。掌[...]

撰写于:  浏览:384 次  分类:PyTorch 教程
在深度学习的训练过程中,经常需要调整模型的学习率以及其他超参数。PyTorch 提供了调度器(scheduler)来自动调整学习率,这对于优化模型的训练过程非常重要。PyTorch 提供了多种学习率调度器,常用的有 StepLR、MultiStepLR、ExponentialLR、CosineAnnealingLR 等。StepLR 调度器将学习率[...]

撰写于:  浏览:313 次  分类:PyTorch 教程
在pytorch中,提供了一种十分方便的数据读取机制,即使用torch.utils.data.Dataset与torch.utils.data.DataLoader组合得到数据迭代器。在每次训练时,利用这个迭代器输出每一个batch数据,并能在输出时对数据进行相应的预处理或数据增强等操作。1、torch.utils.data.Datasettorc[...]

撰写于:  浏览:330 次  分类:PyTorch 教程
对于Variable的态度,PyTorch官方明确说明:deprecated已经被废弃。下面是PyTorch官方说明:The Variable API has been deprecated: Variables are no longer necessary to use autograd with tensors. Autograd autom[...]

关注公众号,每天学一个AI知识

    友情链接