pytorch 线性代数基本操作
pytorch是非常好的人工智能训练和推理框架，我们来通过李沐老师的《动手学深度学习》来简单学习一下。 首先，安装pytorch，请参考pytorch官网：PyTorch 也可以到kaggle、colab、启智社区等使用配置好的pytorch环境，更简单方便。 pytorch基本操作 导入并进行...
利用pytorch两层线性网络对titanic数据集进行分类（kaggle)
import torch from torch.utils.data import Datasetfrom torch.utils.data import DataLoaderimport numpy as npfrom torchvision import datasetsfrom torchvi...
深度学习pytorch实战-运动鞋识别P5周
向大佬学习大地之灯第P5周：Pytorch实现运动鞋识别http://t.csdnimg.cn/eVVAG >- **???? 本文为[????365天深度学习训练营](https://mp.weixin.qq.com/s/0dvHCaOoFnW8SCp3JpzKxg) 中的学习记录博客**&...
使用 Docker 在 PyTorch 环境中训练模型
文章目录 准备工作构建 Docker 镜像运行 Docker 容器总结 在机器学习和深度学习任务中，使用 Docker 可以方便地构建和管理环境，特别是在涉及到复杂的依赖关系和 GPU 加速的情况下。本文将介绍如何使用 Docker 构建一个 PyTorch 环境，并在其中运行训练脚本。 ...
【Pytorch】NameError: name ‘Variable‘ is not defined
报错 NameError Traceback (most recent call last)Cell In[20], line 4 2 for epoch in range(num_epochs): 3 ...
【深度学习-番外1】Win10系统搭建VSCode+Anaconda+Pytorch+CUDA深度学习环境和框架全过程
专栏的老读者们都知道，以前的文章以使用MATLAB的为多。 不过后续陆续开始展开深度学习算法的应用，就会逐渐引入Python语言了（当然MATLAB的代码也会同步更新），这是由于在深度学习领域，Python应用更为广泛。它拥有丰富的科学计算库和机器学习框架，如NumPy、Tensorflow、Ker...
基于Anaconda搭建Pytorch环境
准备虚拟环境 创建一个虚拟创建： conda create --name nlp python=3.11.7 激活虚拟环境： conda activate nlp 安装pytorh 首先，可以通过任务管理器查看你的电脑是否支持GPU： 如果支持，到网址：https://pytorch.org/get...
Pytorch 学习路程 - 1：入门
目录 下载Pytorch 入门尝试 几种常见的Tensor Scalar Vector Matrix AutoGrad机制 线性回归尝试 使用hub模块 Pytorch是重要的人工智能深度学习框架。既然已经点进来，我们就详细的介绍一下啥是Pytorch PyTorch 希望将其代替 Num...
pytorch与深度学习
PyTorch是一个开源的深度学习框架，由Facebook于2016年发布。它提供了一个灵活而强大的平台，用于构建和训练深度神经网络模型。PyTorch的主要特点包括： 1，动态计算图： PyTorch采用动态计算图的方式进行计算，这意味着计算图在运行时是动态构建的。这种设计使得用户可以更灵活地定义...
PyTorch and Stable Diffusion on FreeBSD
Stable Diffusion在图像生成领域具有广泛的应用和显著的优势。它利用深度学习和扩散模型的原理，能够从随机噪声中生成高质量的图像。 官网：GitHub - verm/freebsd-stable-diffusion: Stable Diffusion on FreeBSD with CUD...
pytorch例子学习——NEURAL TRANSFER USING PYTORCH神经迁移
参考：https://pytorch.org/tutorials/advanced/neural_style_tutorial.html具体的理论就不解释了，这里主要是解释代码：⚠️使用的是python2.71.导入包和选择设备下面是需要用来实现神经迁移的包列表：torch, torch.nn, n...
李沐-16 PyTorch 神经网络基础【动手学深度学习v2】
注：1. 沐神对应章节视频出处 2.代码使用Jupyter Notebook运行更方便 3.文章笔记出处 一、层和块 层：层（1）接受一组输入， （2）生成相应的输出， （3）由一组可调整参数描述。 当我们使用softmax回归时，一个单层本身就是模型。 然而，即...
Pytorch实用教程：nn.CrossEntropyLoss的用法
在 PyTorch 中，nn.CrossEntropyLoss() 是一个非常常用且功能强大的损失函数，特别适合用于多类分类问题。这个损失函数结合了 nn.LogSoftmax() 和 nn.NLLLoss() (Negative Log Likelihood Loss) 两个操作，从而在一个模块中...
深度学习：Pytorch分布式训练-模型并行
模型并行主要利用to(device)函数将模型和数据（Tensor张量）放置在适当设备上，其余代码基本无需额外改动。 以下是一个简单的模型并行的代码示例： import torchimport torch.nn as nnimport torch.optim as optimclass Demo...
30系列显卡安装 pytorch 1.7.1 环境
1.安装torch python的版本为3.8 pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio===0.7.2 -f https://download.pytorch.org/whl/torch_stable.ht...
pytorch中通道数不一样怎么办？
在深度学习中，1x1卷积（有时也称为点卷积）是一种有效的技术，常用于改变卷积神经网络中特征图的通道数。这种方法可以在不改变特征图空间维度（高度和宽度）的情况下，调整其深度（通道数），从而实现特征图的通道数对齐。除此之外，1x1卷积还可以用于实现网络中的参数降维和增维，以及在某些情况下替代全连接层。 ...
Pytorch：张量的形状操作
文章目录 一、维度改变1.flatten展开a.函数的基本用法b.示例2.unsqueeze增维a.函数的基本用法b.示例3.squeeze降维a.函数的基本用法b.示例二、张量变形1.view()a.函数的基本用法b.参数：c.注意事项d.示例2.reshape()a.注意事项b.示例3....
pytorch中基于DistributedDataParallel实现多卡并行计算 - 那抹阳光1994
pytorch中基于DistributedDataParallel实现多卡并行计算 torch.nn.parallel.DistributedDataParallel提供了更为高效的...
中文文本分类（pytorch 实现）
import torchimport torch.nn as nnimport torchvisionfrom torchvision import transforms, datasetsimport os, PIL, pathlib, warnings warnings.filterwarnin...
pytorch 今日小知识2——F.avg_pool2d、clamp-在H和W维度求平均
input=torch.randn(10,3,4,4)m=F.avg_pool2d(input,(4,4))print(m.size())torch.Size([10, 3, 1, 1]) input = torch.tensor([[1,1,1,1,1],[1,1,1,1,1],[0,0,0,1...