pytorch文章/教程

目录 一、Mnist 分类任务简介 二、Mnist 数据集的读取 三、 Mnist 分类任务实现 四、使用 TensorDataset 和 DataLoader 简化 本文参加新星计划人工智能(Pytorch)赛道：https://bbs.csdn.net/topics/613989052 »

目录 一、hook 1.1 什么是hook，什么情况下使用？ 1.2 hook在变量中的使用 1.3 hook在模型中的使用： 一、hook 在PyTorch中，提供了一个专用的接口使得网络在前向传播过程中能够获取到特征图，这个接口的名称非常形象，叫做hook。可以想象这样的场景，数据 »

目录 1 安装与导入 2 添加需要保存标量数据 3 添加需要保存图片数据 4 直方图的记录 5 网络结构的记录 在pytorch框架中，关于日志的保存，其中一种方式就是借鉴使用了tensorboard的库。所以我们需要在环境中安装tensorboard库，然后再在工程中进行该库的调用 1 »

目录 1 安装与导入 2 添加需要保存标量数据 3 添加需要保存图片数据 4 直方图的记录 5 网络结构的记录 在pytorch框架中，关于日志的保存，其中一种方式就是借鉴使用了tensorboard的库。所以我们需要在环境中安装tensorboard库，然后再在工程中进行该库的调用 1 »

目录 一、强大的 hub 模块 1. hub 模块的使用 2. hub 模块的代码演示 二、搭建神经网络进行气温预测 1. 数据信息处理 在最开始，我们需要导入必备的库。 2. 数据图画绘制 3. 构建网络模型 4. 更简单的构建网络模型 本文参加新星计划人工智能(Pytorch)赛道 »

目录 DDP 概念辨析 常用术语 代码实现 启动方式 DDP Distributed Data Parallel 简称 DDP，是 PyTorch 框架下一种适用于单机多卡、多机多卡任务的数据并行方式。由于其良好的执行效率及广泛的显卡支持，熟练掌握 DDP 已经成为深度学习从业者所必备 »

目录 DDP 概念辨析 常用术语 代码实现 启动方式 DDP Distributed Data Parallel 简称 DDP，是 PyTorch 框架下一种适用于单机多卡、多机多卡任务的数据并行方式。由于其良好的执行效率及广泛的显卡支持，熟练掌握 DDP 已经成为深度学习从业者所必备 »

目录 写在前面 如何查看CUDA 版本 为何三个指令 三种结果？ nvidia-smi nvcc 和 torch.version.cuda Runtime CUDA 写在前面 我的 CUDA 版本是什么？ 这个问题本身就是有问题的，因为没有搞清楚cuda的分类 这里的 CUDA »

目录 一、Pytorch简介  二、实验过程 2.1数据集介绍 2.2加载数据 2.3数据预处理  2.3.1特征转换 2.3.2缺失值处理  2.3.3样本不平衡处理 2.4特征工程 2.4.1划分训练集和测试集 2.4.2数据类型转换 2.5构建模型 2.5.1可视化神经元 2.5 »

目录 一、Pytorch简介  二、实验过程 2.1数据集介绍 2.2加载数据 2.3数据预处理  2.3.1特征转换 2.3.2缺失值处理  2.3.3样本不平衡处理 2.4特征工程 2.4.1划分训练集和测试集 2.4.2数据类型转换 2.5构建模型 2.5.1可视化神经元 2.5 »

目录 前言 状况描述： 问题描述 解决办法： 前言 使用anaconda 命令安装pytorch包的问题，以下给出解决办法。 状况描述： 由于是第一次接触安装，看了很多篇文章，也遇到了一些坑，在此总结一下。 安装pytorch，从硬件上分为2个版本，一个是cpu，一个是gpu（显卡 »

目录 一、前言 二、参数保存 三、参数的加载 四、保存和加载整个模型 五、总结 一、前言 在模型训练完成后，我们需要保存模型参数值用于后续的测试过程。由于保存整个模型将耗费大量的存储，故推荐的做法是只保存参数，使用时只需在建好模型的基础上加载。 通常来说，保存的对象包括网络参数值、优化器 »

目录 1. 网络模型构建中的问题 1.1 输入变量是Tensor张量 1.2 __init__()方法使用 1.3 内置函数setattr() 1.4 网络模型的构建 记录使用pytorch构建网络模型过程遇到的点 1. 网络模型构建中的问题 1.1 输入变量是Tensor张量 »

目录 1. 网络模型构建中的问题 1.1 输入变量是Tensor张量 1.2 __init__()方法使用 1.3 内置函数setattr() 1.4 网络模型的构建 记录使用pytorch构建网络模型过程遇到的点 1. 网络模型构建中的问题 1.1 输入变量是Tensor张量 »

目录 我的项目环境： 一、导入相关库 二、加载Cora数据集 三、定义MLP网络 四、定义模型 五、模型训练 六、模型验证 七、结果 总结 我的项目环境： 平台：Windows10 语言环境：python3.7 编译器：PyCharm PyTorch版本：1.11.0 PyG版本：2.1 »

目录 一，剪枝分类 1.1，非结构化剪枝 1.2，结构化剪枝 1.3，本地与全局修剪 二，PyTorch 的剪枝 2.1，pytorch 剪枝工作原理 2.2，局部剪枝 2.2.1，局部非结构化剪枝 2.2.2，局部结构化剪枝 2.2.3，局部结构化剪枝示例代码 2.3，全局非结构化剪枝 »

目录 一，剪枝分类 1.1，非结构化剪枝 1.2，结构化剪枝 1.3，本地与全局修剪 二，PyTorch 的剪枝 2.1，pytorch 剪枝工作原理 2.2，局部剪枝 2.2.1，局部非结构化剪枝 2.2.2，局部结构化剪枝 2.2.3，局部结构化剪枝示例代码 2.3，全局非结构化剪枝 »

目录 torch.nn.AvgPool2d() 作用 函数 参数 公式 代码实例 情况一 情况二 情况三 情况四 总结 【pytorch官方文档】：https://pytorch.org/docs/stable/generated/torch.nn.AvgPool2d.html?hi »

目录 数据准备 模型架构 模型训练 推理 预测 总结 时间序列是指在一段时间内发生的任何可量化的度量或事件。尽管这听起来微不足道，但几乎任何东西都可以被认为是时间序列。一个月里你每小时的平均心率，一年里一只股票的日收盘价，一年里某个城市每周发生的交通事故数。 在任何一段时间段内记录这些信息都 »

目录 1.  Anoconda 安装与环境创建 2.  Pytorch 安装 3.  PyCharm 安装 学习 Pytorch ，首先要搭建好环境，这里将采用 Anoconda + Pytorch + PyCharm 来一起构建 Pytorch 学习环境。 1.  Anoconda 安装 »