- 综合排序
- 最热优先
- 最新优先
- 来自专栏JNing的专栏
pytorch: PyTorch中 使用 Tensorboard
介绍 因为工作需要，改用pytorch。但如何将训练过程可视化成了大问题。听说pytorch代码中可以插入tensorboard代码，第一反应是居然可以这么玩。。 网络上PyTorch中使用tensorboard的方法有很多。但毕竟tensorboard不是PyTorch框架原生自带的，因此大多方法都只能支持部分功能。 Usage 环境要求： pytorch>=0.3.1 Install pip install tensorboardX 调用方法 首先要import tensorboardX： from tensorboardX import SummaryWriter 直接往接口喂pytorch形式的tensor即可，so方便： writer.add_histogram('zz/x', x, epoch) writer.add_scalar ---- [1] tensorboardX开源项目：lanpa/tensorboard-pytorch
3.8K50发布于 2018-09-27 - 来自专栏AI机器学习与深度学习算法
PyTorch入门笔记-PyTorch初见
2016年10月，Facebook 人工智能研究院（FAIR）基于 Torch 推出了测试版本的PyTorch。 它是一个基于Python的可续计算包，提供两个高级功能： 具有强大的GPU加速的张量计算（如NumPy）； 包含自动求导系统的的深度神经网络； 2018年12月发布了第一个正式版本 PyTorch1.0 ，「其中在 PyTorch0.3 和 PyTorch0.4 之间有了较大的更新，可能会有部分不兼容的情况」，也就是说如果想要在 PyTorch0.4 以后的版本中运行PyTorch0.3以前的代码需要进行少量的代码修改 [5bih6jxq6p.png] 目前比较公认的前两名深度学习框架为 PyTorch 和 TensorFlow1.X（TensorFlow2.X支持动态图），这两个框架最本质的区别是动态图优先还是静态图优先 PyTorch能干什么？ GPU加速 import torch import time print(torch.
1.6K42发布于 2020-10-26 - 来自专栏sofu456
pytorch
安装 pip3 install https://download.pytorch.org/whl/cpu/torch-1.0.1-cp35-cp35m-win_amd64.whl pip3 install torchvision（可视化工具集） 可视化工具 visdom、tensorboardx 打印模型 print（net object） #打印模型 pytorch(封装性高于tensorflow 需要的数据量较小)） ，参考https://ptorch.com/news/133.html 集成学习，参考https://www.cnblogs.com/pinard/p/6131423.html pytorch
1.3K20发布于 2019-07-09 - 来自专栏二猫の家
PyTorch 基础篇（1）：Pytorch 基础
Pytorch 学习开始 入门的材料来自两个地方： 第一个是官网教程：WELCOME TO PYTORCH TUTORIALS，特别是官网的六十分钟入门教程 DEEP LEARNING WITH PYTORCH 第二个是韩国大神 Yunjey Choi 的 Repo：pytorch-tutorial，代码写得干净整洁。 顺便一题，我的 Pytorch 的版本是 0.4.1 import torchprint(torch.version) 0.4.1 # 包import torch import torchvisionimport
65310编辑于 2023-12-07 - 来自专栏一个有趣的灵魂W
Pytorch的建议建模-Pytorch入门
“ Tensorflow的bug太多了，我只能转投Pytorch的怀抱” 01 — 最近Tensorflow（下称TF）已死的言论不知道大家是否接收到： 放弃支持Windows GPU、bug多，TensorFlow 所以，Pytorch（下称torch）就成了我们在主流框架下不得不学习的内容之一。 同时，让我们顺带复习一下基本的求导、前馈、权重、Loss等词汇在深度学习里是怎么运作的吧： 正文开始： 在前文Numpy简述神经网络模型权重搜索原理-Pytorch引文的基础上，我们开始使用torch
66930编辑于 2023-10-06 - 来自专栏漫漫深度学习路
pytorch学习笔记（九）：PyTorch结构介绍
PyTorch结构介绍 对PyTorch架构的粗浅理解，不能保证完全正确，但是希望可以从更高层次上对PyTorch上有个整体把握。水平有限，如有错误，欢迎指错，谢谢！ Tensor的，可以说是PyTorch中的基本计算单元。 Parameter: 这个类是Variable的一个子集，PyTorch给出这个类的定义是为了在Module(下面会谈到)中添加模型参数方便。 关于hook PyTorch中注册的hook都是不允许改变hook的输入值的 下面对PyTorch中出现hook的地方做个总结： * Module : register_forward_hook backward 关于backward 总结 PyTorch基本的操作是OP，被操作数是Tensor。
1.9K60发布于 2018-01-02 - 来自专栏视觉求索无尽也
PyTorch：学习资源PyTorch学习资源整理：
PyTorch学习资源整理： 最先看，PyTorch官方60min入门指南 对照着看，PyTorch深度学习：60分钟入门(官方指南的翻译) 中文版PyTorch 中国香港科大的3天入门PyTorch 莫烦：等什么, 赶快抱紧 PyTorch 的大腿! 韩国人在github上写的PyTorch学习指南 PyTorch在github上的tutorials PyTorch doc PyTorch Forums 知乎：新手如何入门PyTorch 简书作者：SherlockLiao 写的PyTorch入门指南 PyTorch资料整合 吐血整理：PyTorch项目代码与资源列表 | 资源下载
1.3K20发布于 2018-09-13 - 来自专栏相约机器人
从PyTorch到PyTorch Lightning —简要介绍
PyTorch Lightning适用于谁？ ? 但是，简单的界面使专业的生产团队和新手可以使用Pytorch和PyTorch Lightning社区开发的最新技术。 大纲 本教程将引导您构建一个简单的MNIST分类器，并排显示PyTorch和PyTorch Lightning代码。 新的PyTorch Lightning类与PyTorch完全相同，只不过LightningModule提供了用于研究代码的结构。 Lightning为PyTorch代码提供了结构 ? 看到？ 同样，这是可能的，因为要做的就是将PyTorch代码组织到LightningModule中 PyTorch的完整训练循环 用PyTorch编写的完整MNIST示例如下： import torch from
10K61发布于 2020-03-04 - 来自专栏计算机视觉理论及其实现
pytorch.range() 和 pytorch.arange()
>>> y=torch.range(1,6)>>> ytensor([1., 2., 3., 4., 5., 6.])>>> y.dtypetorch.float32>>> z=torch.arange(1,6)>>> ztensor([1, 2, 3, 4, 5])>>> z.dtypetorch.int64总结：torch.range(start=1, end=6) 的结果是会包含end的， 而torch.arange(start=1, end=6)的结果并不包含end。两者创建的tensor的类型也不
84530编辑于 2022-09-02 - 来自专栏TechBlog
PyTorch (1) | PyTorch的安装与简介
本文已收录于Pytorch系列专栏： Pytorch入门与实践 专栏旨在详解Pytorch，精炼地总结重点，面向入门学习者，掌握Pytorch框架，为数据分析，机器学习及深度学习的代码能力打下坚实的基础 文章目录 PyTorch 简介 PyTorch发展 PyTorch优点 软件安装 解释器与工具包 解释器 工具包 虚拟环境 Anaconda 安装 安装步骤 Pycharm 安装 PyTorch 安装 PyTorch 简介 2017 年 1 月， FAIR （Facebook AI Research ）发布 PyTorch。 PyTorch的增长速度与 TensorFlow一致。 hello pytorch 项目，运行脚本，查看 pytorch 版本
1K40编辑于 2022-11-02 - 来自专栏漫漫深度学习路
pytorch学习笔记（七）：pytorch hook 和 关于pytorch backward过程的理解
pytorch 的 hook 机制 在看pytorch官方文档的时候，发现在nn.Module部分和Variable部分均有hook的身影。 hooks_in_module: hooked_grad_ins = hook(hooked_grad_ins) return hooked_grad_ins 关于pytorch
4K50发布于 2018-01-02 - 来自专栏Sarlren的笔记
pytorch笔记
pytorch刚上手确实不太容易适应。特别是Andrew给出的1.x的tensorflow代码，和当前torch的差异还是很大的。这里的用法挺琐碎的，用作备忘性质。 0]]) 当height * width * channel转化成channel * height * width 调用X = np.transpose(X, [0, 3, 1, 2]) 我的第一个pytorch
56010编辑于 2022-10-28 - 来自专栏JNing的专栏
【pytorch】ncnn
如果省略此步，会导致模型耗时增加约一半，模型大小增加约一半。且利用网站在线转换时容易报错：Unsupported unsqueeze axes !
88710编辑于 2021-12-06 - 来自专栏yiyun 的专栏
PyTorch 安装
引言 CPU 版 Windows + Conda + CPU conda install pytorch torchvision torchaudio cpuonly -c pytorch 安装 相关 以及 cudatoolkit PS: PyTorch 不用装 cudnn，集成在 cudatoolkit 里面了 Windows + Conda + CUDA 11.3 conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch 中途输入 y ，确定安装 PS conda install -c 中 -c 即 --channel 它用于指定搜索包的频道, -c pytorch 即使用 pytorch 频道源 使用国内清华源 conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/ PyTorch
1.7K30编辑于 2022-03-29 - 来自专栏JNing的专栏
【pytorch】model
model.named_parameters(): if not param.requires_grad: print(name, param.data) 几个主要api的区别：pytorch
43420编辑于 2021-12-06 - 来自专栏开源心路
PyTorch 开篇
背景 机器学习与深度学习PyTorch ，有着对用户友好的命令式编程风格，PyTorch 设计得更科学，无需像 TensorFlow 那样，要在各种 API 之间切换，操作更加便捷。 PyTorch 的环境配置也很方便，各种开发版本都能向下兼容，不存在老版本的代码在新版本上无法使用的困扰，而且 PyTorch 跟 NumPy 的风格比较像，能轻易和 Python 生态集成起来，我们只需掌握 另外，PyTorch 在 debug 代码的过程也十分方便，可以随时输出中间向量结果。 用 PyTorch 就像在 Python 中使用 print 一样简单，只要把一个 pdb 断点扔进 PyTorch 模型里，直接就能用。 通过这个部分的学习，你就能基于 PyTorch 搭建网络模型了。 实战篇 PyTorch 框架在具体项目实践中的应用来讲的。
21610编辑于 2023-06-30 - 来自专栏JNing的专栏
【pytorch】bn
（这三类缺失值可以从其他state_dict导入来补充） 具体参见《Pytorch的BatchNorm层使用中容易出现的问题》。
78410编辑于 2021-12-06 - 来自专栏计算机视觉理论及其实现
pytorch入门
1、Tensor(张量)Pytorch里面处理的最基本的操作对象就是Tensor，Tensor是张量的英文，表示的是一个多维的矩阵，比如零维就是一个点，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。 Pytorch提供了很多工具使得数据的读取和预处理变得容易。 [idx]) return data通过上面的方式，可以定义我们需要的数据类，可以通过迭代的方式类取得每一个数据，但是这样很难实现取batch，shuffle或者是多线程去读取数据，所以Pytorch 3.1.4、nn.Module(模组)在Pytorch里面编写神经网络，所有的层结构和损失函数都来自由torch.nn，所有的模型构建都是从这个基类nn.Module继承的，于是有了下面这个模板。
1.5K20编辑于 2022-09-04 - 来自专栏AI算法与图像处理
Pytorch中张量讲解 | Pytorch系列（四）
文 |AI_study 欢迎回到PyTorch神经网络编程系列。在这篇文章中，我们将通过PyTorch的张量来更深入地探讨PyTorch本身。废话不多说，我们开始吧。 ? PyTorch中的张量是我们在PyTorch中编程神经网络时会用到的数据结构。 在对神经网络进行编程时，数据预处理通常是整个过程的第一步，数据预处理的一个目标是将原始输入数据转换成张量形式。 ---- 引入Pytorch中的张量 torch.Tensor类示例 PyTorch中的张量就是torch.Tensor的Python类的一个实例。 现在让我们看看在PyTorch中使用数据创建张量的常见方法。 查看PyTorch文档以获得完整的列表。
2.1K30发布于 2020-04-21 - 来自专栏AutoML(自动机器学习)
【转载】PyTorch系列 (二)：pytorch数据读取
原文：https://likewind.top/2019/02/01/Pytorch-dataprocess/ 参考： PyTorch documentation PyTorch 码源 本文首先介绍了有关预处理包的源码 ，接着介绍了在数据处理中的具体应用； 其主要目录如下： 1 PyTorch数据预处理以及源码分析 (torch.utils.data) torch.utils.data脚本码源 1.1 Dataset 没读呢 1.5 其它链接 PyTorch源码解读之torch.utils.data.DataLoader 2 torchvision 计算机视觉用到的库，文档以及码源如下： torchvision documentation 3.2 数据读取 在PyTorch中数据的读取借口需要经过，Dataset和DatasetLoader (DatasetloaderIter)。下面就此分别介绍。 Dataset 首先导入必要的包。
1.4K40发布于 2019-05-26
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号