文章目录Hook函数与CAM算法1、Hook函数概念2、Hook函数与特征图提取（1）`Tensor.register_hook`（2）`Module.register_forward_hook`（3）`Module.register_forward_pre_hook`（4）`Module.register_backward_hook`（5）采用hook函数，实现特征图可视化3、CAM（clas
# 创建 PyTorch 函数手册的指南
在深度学习的世界中，PyTorch 是一个非常流行的框架，学习它的函数和用法对于开发者至关重要。本文将帮助你逐步创建一个“PyTorch 函数手册”，以便你能更好地理解和使用 PyTorch。
## 流程概述
创建 PyTorch 函数手册可以分为以下几个步骤：
| 步骤 | 描述
原创
2024-09-20 12:59:30
33阅读
# PyTorch函数手册
PyTorch是一个开源的深度学习框架，它提供了丰富的函数和工具，方便我们进行深度学习模型的开发和训练。本文将通过对PyTorch函数手册的介绍，帮助读者了解PyTorch的常用函数和使用方法。
## 1. 张量操作
在PyTorch中，张量（Tensor）是最基本的数据类型。它类似于NumPy的数组，但可以在GPU上加速计算。以下是一些常见的张量操作函数。
#
原创
2024-01-15 05:39:23
128阅读
本文整理了笔者在学习pytorch中经常遇到的一些函数，本篇博客会不断进行更新，并且会加上自己使用背景和使用经验。1. torch.max()函数笔者最近在学习目标检测的相关知识，无论是在计算多个bounding box之间的IOU还是确定bounding box的类别信息的时候，都会用到torch.max()函数。torch.max()可以得到一个tensor某个维度的最大值，可以的得到两个te
转载
2023-09-03 13:39:35
234阅读
Pytorch常用函数函数手册
在深度学习的领域中，Pytorch作为一个灵活且强大的框架，已经被广泛应用于研究和生产。本文将详细讲解Pytorch中常用函数的使用及其配置，帮助读者了解如何在自己的项目中高效地使用这些函数。
## 环境准备
在开始之前，我们需要确保环境的准备工作到位。
### 前置依赖安装
首先，确保您的环境中已经安装了以下依赖包。可以使用如下命令进行安装：
```b
# 如何生成 PyTorch 函数手册 PDF
作为一名刚入行的小白，获取和使用文档是一项重要的技能。本文将指导你如何生成一个 PyTorch 函数手册的 PDF 格式，帮助你更好地理解和运用 PyTorch。以下是完成这项任务的整体流程。
## 整体流程
| 步骤 | 描述 |
|------|-----------------------
原创
2024-09-03 03:37:50
83阅读
# PyTorch常用函数手册
PyTorch是一个开源的深度学习框架，因其灵活性和简洁的API而受到广泛欢迎。对于许多研究人员和开发人员来说，掌握PyTorch的常用函数是构建和训练模型的基础。本文将介绍一些PyTorch中的常用函数，并通过代码示例帮助读者更好地理解它们的使用。
## 1. Tensor的创建与操作
在PyTorch中，`Tensor`是主要的数据结构。我们可以通过多种方
什么是PyTorch？它是基于Python语言的科学计算工具包，其设计目的包括以下两个方面：替代Numpy从而可以使用强大的GPU进行计算一个深读学习的研究平台，致力于提供最大的灵活性与速度我们开始吧～TensorsTensors和Numpy的ndarrays很像，与之不同之处在于Tensor可以在GPU上进行运算从而获得更快的计算速度。from __future__ import print_f
转载
2024-09-25 20:08:31
181阅读
pytorch tutorials-tensors本篇文章来自pytorch官网，自己翻译加理解。Tensors 是一种特殊的数据结构，和数组（array）和矩阵（matrices）类似，在pytorch中，使用tensors来组织输入和输出的数据以及模型的参数。它很像NumPy的ndarray，除了一点：tensors可以在GPU上并行计算。其他的和ndarray都很像。import torch
转载
2023-11-24 14:45:53
60阅读
一、模型的保存与加载 实现训练过程中模型的保存，以及在预训练的基础上继续训练模型 ①保存和加载整个模型# 保存和加载整个模型
torch.save(model_object, 'model.pkl')
model = torch.load('model.pkl')②只保存模型中的参数# 仅保存和加载模型参数(推荐使用)
torch.save(model_object.state_dict(), '
转载
2023-08-18 21:58:12
172阅读
文章目录自定义损失函数以函数方式定义以类方式定义动态调整学习率使用官方scheduler自定义scheduler模型微调-torchvision模型微调的流程使用已有模型结构训练特定层模型微调-timm如何查看预训练模型种类使用和修改预训练模型模型的保存推荐资料半精度训练半精度训练的设置数据增强-imgaugimgaug简介和安装imgaug的使用单张图片处理对批次图片进行处理对不同大小的图片进
转载
2024-01-23 21:15:43
106阅读
近期有很多小伙伴在小白学视觉公众号后台咨询有没有关于Pytorch函数使用的学习资料。Pytorch是目前常用的深度学习框架之一，深受学生党的喜爱，小白本人也是使用的Pytorch框架。为了帮助更多小伙伴，小白学视觉团队整理了这份目前最全的Pytorch常用函数手册，内含超200个常用函数，是居家旅行、深度学习、发表论文必备工具。本手册中分为14章，从最基础的创建张量开始，逐步加深，涵盖小伙伴们机
转载
2022-01-06 14:02:42
1653阅读
pytorch/python 常见的函数总结 自用torch.normal(0,1,(n,dim)) 0,1正态分布，n*dimnp.power(x1,x2) 可以是整数或数组，数组的时候，x1[i,j]**x2[i,j] x1(200 * 1) 2(1 * 20) x1每行的数据都要取x2每列的次方np.arrange(start,end,strip) 生成数组reshape(2,3) 如果为-
转载
2024-04-23 15:39:29
117阅读
近期有很多小伙伴在小白学视觉公众号后台咨询有没有关于Pytorch函数使用的学习资料。Pytorch是目前常用的深度学习框架之一，深受学生党的喜爱，小白本人也是使用的Pytorch框架。为了帮助更多小伙伴，小白学视觉团队整理了这份目前最全的Pytorch常用函数手册，内含超200个常用函数，是居家旅行、深度学习、发表论文必备工具。本手册中分为14章，从最基础的创建张量开始，逐步加深，涵盖小伙伴们机
转载
2022-10-18 16:02:03
1605阅读
# 如何实现“哈工大 PyTorch 函数手册”
在学习 PyTorch 的过程中，构建一个函数手册可以帮助我们更好地理解和使用这个强大的深度学习框架。本文将详细介绍如何实现“哈工大 PyTorch 函数手册”，并且会提供具体的代码示例以及解释。
## 流程图
下面是实现这个手册的总体流程图：
```mermaid
flowchart TD
A[确定需求] --> B[收集函数]
# PyTorch 函数手册简介及代码示例
PyTorch 是一个广泛使用的深度学习框架，它以其灵活性和易用性受到许多研究者和开发者的欢迎。在使用 PyTorch 进行深度学习时，了解其函数和API至关重要。本文将为您提供 PyTorch 函数的概述，并通过代码示例演示如何使用这些函数。
## PyTorch 函数手册概说
PyTorch 拥有丰富的函数手册，涵盖了各种操作，包括张量操作、神
Pytorch实现有监督对比学习损失函数关于对比损失有监督对比损失数学公式Pytorch实现有监督对比损失END 关于对比损失 无监督对比损失，通常视数据增强后的图像与原图像互为正例。而对于有监督对比损失来说，可以将同一batch中标签相同的视为正例，与它不同标签的视为负例。对比学习能够使得同类更近，不同类更远。有监督对比损失公式如下。有监督对比损失数学公式Pytorch实现有监督对比损失
# PyTorch常用函数手册
PyTorch是一个基于Python的科学计算库，它提供了强大的工具来构建和训练深度学习模型。本文将介绍一些PyTorch常用函数，以帮助读者更好地理解和使用该库。
## 张量操作
张量是PyTorch中最重要的数据结构之一，它类似于Numpy中的数组。PyTorch提供了丰富的张量操作函数来处理和转换数据。
**创建张量**
使用`torch.tenso
原创
2023-07-22 04:25:48
515阅读
本文主要讲解pytorch上的一些重要操作：创建、查看形状、创建指定形式的张量、操作方法（加减乘除）以及操作设备（cpu/gpu）1）torch.tesor([])创建张量2）torch.view()对张量进行降维3）torch.size()查看张量的形状4）torch.ones() torch.zeros()创建指定形式的张量5）torch.to(device)在使用torch之前，要对其进行导
转载
2023-05-26 14:52:10
441阅读
基础知识import torch
torch.empty(5,3) # 返回未初始化张量（矩阵）
torch.rand(5,3) # 随机生成服从均匀分布的数据，返回值为张量。
torch.zeros(5,3,dtype=torch.long) # 返回零矩阵
x = torch.tensor([5.5,3]) # 转化成张量
x = x.new_ones(5,3,dtype=torch.doub
转载
2023-11-01 17:46:53
429阅读
