写在前面：二维卷积比较简单，原理略过 但还是大致说一下，in_channel = 2，out_channel = 3，所以kernel的数量是6，输出的每个通道由输入的每个通道与各自的kernel进行卷积操作，每个输出通道再将卷积操作的矩阵再加起来，最后将所有输出通道的矩阵拼接。步长为1的情况下，输出大小 = 输入大小 - 核的大小 + 2*padding大小 + 1 所以我们要让输出和输入大小一
转载
2023-07-10 14:53:38
225阅读
# 使用Colab和PyTorch进行深度学习
深度学习是人工智能领域的一个重要分支，它已经在图像识别、自然语言处理、语音识别等领域取得了巨大成功。PyTorch是一个开源的深度学习框架，它提供了许多便捷的工具和接口，帮助用户快速构建和训练深度神经网络。而Google Colab则是一个基于云端的Python编程环境，可以免费使用GPU或TPU进行深度学习的计算，极大地提高了深度学习算法的训练速
原创
2024-02-29 06:49:57
119阅读
jupyter colab I have an older ’09 Macbook Pro and had trouble while trying to run the latest Keras to use for my latest Flatiron school neural network projects. The older Mac only updates to El Capit
转载
2024-01-07 20:49:26
74阅读
问题 使用Google colab并不像使用pycharm那么容易调试，特别是文件内容比较多且杂的时候，调试起来极为不方便。而使用Google云TPU的八个核进行训练更是使得调试工作难上加难，到出错的地方要么直接退出，要么就卡住不动，错误信息都不给一个，让人很是火大。关于调试我并没有直接在colab上运行代码，而是把python文件上传到Google云盘上，然后再在colab上挂载云盘，
转载
2024-01-13 14:38:05
163阅读
# 在Google Colab中执行PyTorch
随着深度学习的快速发展，PyTorch已成为一种流行的开发框架。而Google Colab为深度学习提供了一个免费的云端环境，方便我们进行实验和开发。本文将为新手介绍如何在Google Colab中使用PyTorch，并通过详细步骤和实例代码来加深理解。
## 流程概述
首先，让我们整理一下在Google Colab中执行PyTorch的基
摘要我是使用google的服务器colab来进行安装使用的，很方便，开vpn就能免费使用k80显卡，冲个会员就能使用p100，基本很稳定，能够满足训练需求。如果是自己的电脑注意我安装包的版本，pytorch1.5 torchvision0.6 cuda是10.1版本安装mmdetection2.0服务器自带很多的安装包，十分方便， 注意看我colab的整体布局，你下载文件要下载到drive My
转载
2024-07-06 21:38:28
142阅读
【写博客常用】Colab & Pytorch调用基本模型1 使用Colab2 连接GPU3 tensor4 计算梯度5 读取data，使用torch.utils.data里面的Dataset和DataLoader6 网络构造6.1 结构6.2 Linear6.3 定义一个自己的model6.4 定义自己的loss6.5 optimizer6.6 神经网络构建流程6.6.1 前期设置6.6
转载
2023-11-06 19:27:24
75阅读
保存模型总体来说有两种： 第一种：保存训练的模型，之后我们可以继续训练 （1）保存模型 state = { 'model': model.state_dict(), 'optimizer':optimizer.state_dict(), 'epoch': epoch } torch.save(sta
转载
2020-03-09 20:21:00
1134阅读
2评论
其实只是模型的话还是很好弄的，按照别人的模型，舔砖加瓦。 1、简单模型实例 class ConvNet(nn.Module): def __init__(self, num_classes=10): super(ConvNet, self).__init__() self.layer1 = nn.S
转载
2020-03-07 21:18:00
85阅读
2评论
实验准备：Google账号VPN本文章首先需要开启一个colab的notebook 然后开启tpu模式 ok到目前为止一切正常，现在可以拉下来TF版本的soft模型，并且把use-tpu这个参数调成true。不过这里我们不做尝试。接下来安装pytorch import 输出 一切正常，这个版本的torch对fastai不友好进行
转载
2023-11-14 20:04:48
106阅读
1、在pytorch中，有以下9种张量类型 2、查看张量的基本信息 tensor=torch.randn(3,4,5) print(tensor.size()) print(tensor.type()) print(tensor.dim()) torch.Size([3, 4, 5]) torch.
转载
2020-03-06 20:39:00
396阅读
2评论
# A卡如何跑PyTorch：解决图像分类问题
## 引言
随着深度学习技术的不断发展，越来越多的研究者和开发者开始使用PyTorch框架。在使用PyTorch进行深度学习时，用户可能会遇到一些问题，特别是在A卡（AMD显卡）上进行GPU加速时。在本文中，我们将介绍如何在A卡上使用PyTorch进行图像分类，并提供一份具体的代码示例，帮助您快速入门。
## 环境准备
在开始之前，您需要确保
colab简介Google Colaboratory是谷歌开放的一款研究工具，主要用于机器学习的开发和研究。 工具优势：Google Colab最大的好处是给广大的AI开发者提供了免费的GPU使用。你可以在上面轻松地跑例如：Keras、Tensorflow、Pytorch等框架；其次是入门相对简单，语法和cmd语句以及linux语句相似。目前colab平台GPU的状态信息如下图： 工具缺陷：对自身
# 在Colaboratory上运行PyTorch：从数据加载到模型训练的完整流程
在这篇文章中，我们将介绍如何在Google Colaboratory上使用PyTorch来解决一个具体的问题：手写数字识别。我们将从数据加载开始，一直到模型训练和评估的整个过程。通过本文，你将学会如何在Colaboratory环境中运行PyTorch，并且掌握训练深度学习模型的基本流程。
## 步骤一：准备数据
原创
2024-04-03 05:47:29
43阅读
之前由于在本机mac中训练验证码识别，导致mac后来的使用有点卡，另外囊中羞涩，所以考虑用google的colab进行训练关于google的colab的使用，一般包含两个方面:google的云盘：https://drive.google.com/
colab：https://colab.research.google.com/notebooks/intro.ipynb 关于使
转载
2023-10-29 06:18:06
68阅读
from torch.utils.tensorboard import SummaryWriter# default `log_dir` is "runs" - we
原创
2022-09-19 10:12:02
342阅读
1、计算数据集的均值和方差import osimport cv2import numpy as npfrom torch.utils.data import Datasetfrom PIL import Imagedef compute_mean_and_std(dataset): # 输入PyTorch的dataset，输出均值和标准差 mean_r = 0 mean_g =
转载
2020-03-08 21:32:00
125阅读
2评论
# 在 Colab 上使用 PyTorch
## 引言
随着深度学习的快速发展，越来越多的研究者和开发者开始关注如何高效地进行深度学习实验。PyTorch作为一个流行的深度学习框架，因其易用性和灵活性受到广泛欢迎。而 Google Colab作为一个免费提供 GPU 计算资源的在线平台，使得使用 PyTorch 进行深度学习实验变得更加方便。在这篇文章中，我们将介绍如何在 Colab 上使用
1、计算数据集的均值和方差 import os import cv2 import numpy as np from torch.utils.data import Dataset from PIL import Image def compute_mean_and_std(dataset): #
转载
2020-03-16 19:13:00
147阅读
2评论
# 如何检测PyTorch是否在GPU上运行
PyTorch是一个开源深度学习框架，它提供了很好的GPU加速，可以让我们更快地训练深度神经网络模型。在PyTorch中，我们可以通过一些简单的方法来检测模型是否在GPU上运行。
## 检测GPU是否可用
首先，我们需要检测当前系统是否有可用的GPU，可以使用如下代码：
```python
import torch
if torch.cuda
原创
2024-04-13 06:01:14
218阅读
