本文参加新星计划人工智能(Pytorch)赛道：目录一、项目介绍二、准备工作三、实验过程3.1数据预处理3.2拆分数据集3.3构建PyTorch模型3.3.1.数据转换3.3.2定义模型架构3.3.3定义损失准则和优化器3.3.4创建数据加载器3.3.5训练模型四、原理讲解五、补充一、项目介绍 在此项目中
转载
2023-09-20 06:59:28
166阅读
# PyTorch Eager Graph
本文将介绍PyTorch中的eager graph机制，并提供相关代码示例。eager graph是PyTorch的一个重要特性，它使得PyTorch能够在动态图模式下进行开发和调试。通过eager graph，开发者可以直接操作Tensors，而无需定义和调用静态图。
## 什么是eager gra
原创
2023-09-21 00:35:19
208阅读
# 使用TensorBoard可视化PyTorch图的步骤
作为一名经验丰富的开发者，我将向你介绍如何使用TensorBoard来可视化PyTorch图。在这篇文章中，我将按照以下步骤来教你实现这个目标：
1. 安装必要的库和工具
2. 创建PyTorch图
3. 配置TensorBoard
4. 运行TensorBoard
接下来，我将详细说明每个步骤的具体操作，并提供相应的代码。
##
原创
2023-12-28 07:10:05
44阅读
# PyTorch中的动态图和计算图
在深度学习中，理解数据的流动和模型的结构是至关重要的。PyTorch是一个广受欢迎的深度学习框架，因其动态计算图（Dynamic Computation Graph）特性，让用户可以即时查看和调试模型。在本文中，我们将探讨如何在PyTorch中查看计算图，并提供一些代码示例。
## 为什么要查看计算图？
在深度学习模型的训练过程中，了解计算图的结构有助于
原创
2024-10-12 03:55:17
103阅读
本节笔记内容具体是学习tensorboard中的两个方法分别是scalar和histogram，一共分为3个部分：（1）首先学习SummaryWriter类；（2）其次，学习两个基本方法记录标量add_scalar和直方图可视化add_histogram；（3）最后，使用scalar和histogram来监控模型指标（分别有Loss曲线、Acuracy曲线以及参数分布、参数所对应的梯度分布情况）t
转载
2023-08-13 21:50:05
160阅读
GraphThe gt-graph package defines the concept of a graph (or network) made up of GeoTools Features.gt-graph包定义了由GeoTools要素构成的图（或网络）的概念。Maven:<dependency>
<groupId>org.geotools&
转载
2024-05-09 23:34:52
192阅读
etric PyTorch Geometric 主要是现有模型快速重新实现的集合，其自定义稀疏/分散操作也非常方便。基于PyTorch构建，用于处理不规则结构化输入数据（如图、点云、流形）。除了一般的图形数据结构和处理方法外，它还包含从关系学习到3D数据处理等领域中最新发布的多种方法。通过利用稀疏 GPU 加速、提供专用的 CUDA 内核以及为不同大小的输入样本引
转载
2023-12-19 14:52:05
27阅读
PyG异构图学习举个例子创建异构图Utility函数异构图Transformations创建异构图神经网络自动转换GNN模型使用异构卷积包装器部署现有的异构算子异构图采样参考资料 大量真实世界数据集存储为异构图，这促使Pytorch Geometric（PyG）中引入专门的功能。例如，推荐领域中的大多数图（如社交图）都是异构的，因为它们存储关于不同类型的实体及其不同类型的关系的信息。本文介绍如
转载
2024-07-03 21:46:09
123阅读
# pytorch Graph Attention Network
## 概述
在机器学习领域，图(Graph)是一种广泛应用的数据结构，用于表示各种实体之间的关系。图神经网络(Graph Neural Network, GNN)是一类专门用于处理图数据的神经网络模型。
随着深度学习的发展，图神经网络的研究也取得了很大的进展。其中，图注意力网络(Graph Attention Network,
原创
2023-12-18 08:31:09
84阅读
这篇文章主要是之前一段时间的总结，内容是有关PyTorch中卷积部分的源码。文章不会很透彻的去研究源码，只是大概地总结一下，主要内容有：PyTorch-拓展模块PyTorch对于卷积的内部实现为什么有了cudnn还需要PyTorch实现卷积？ 很感谢网上的优质博客，正是因为有了知识的共享，人们的生活质量才会不断提高~ 本人参考源码实现的卷积链接: [点我跳转]，为PyTorc
转载
2024-04-16 21:35:45
104阅读
如何获取pytorch的动态图？model = torch.jit.load("test.pth")
graph = model.graph.copy()
torch._C._jit_pass_inline(graph)
node_list = graph.nodes()加载模型后，获取模型的graph，这个graph就是需要的动态图。graph node就是计算图的计算节点（有序）,关于各个层的
转载
2023-08-17 10:48:31
98阅读
Pytorch 中retain_graph的用法用法分析在查看SRGAN源码时有如下损失函数，其中设置了retain_graph=True,其作用是什么？############################
# (1) Update D network: maximize D(x)-1-D(G(z))
###########################
转载
2024-06-07 06:38:33
17阅读
为什么使用PyQtGraph库我们知道，在Python中，已经有了很多可供选择的数据可视化库。比如最经典、使用人数最多的matplotlib库，其有着十多年的历史积累，可生成高质量出版级别的图形，它几乎已经成了事实上的Python绘图标准库。再比如在matplotlib库基础上衍生的其它绘图库，如seaborn、ggplot、plotnine等等，甚至还有其它的一些库如底层使用Jav
转载
2024-08-06 11:09:42
50阅读
autograd反向传播过程需要手动实现。这对于像线性回归等较为简单的模型来说，还可以应付，但实际使用中经常出现非常复杂的网络结构，此时如果手动实现反向传播，不仅费时费力，而且容易出错，难以检查。torch.autograd就是为方便用户使用，而专门开发的一套自动求导引擎，它能够根据输入和前向传播过程自动构建计算图，并执行反向传播。计算图(Computation Graph)是现代深度学习框架如P
转载
2023-11-06 18:28:31
56阅读
torch.autograd 深度学习模型的训练就是不断更新权值，权值的更新需要求解梯度，梯度在模型训练中是至关重要的。 然而求解梯度十分繁琐，pytorch提供自动求导系统。我们不需要手动计算梯度，只需要搭建好前向传播的计算图，然后根据pytorch中的autograd方法就可以得到所有张量的梯
转载
2024-01-08 15:19:05
98阅读
计算图(Computational Graph)，叶子节点和运算节点仅仅只是个人对于pytorch中计算图的理解一个计算图由两部分构成：数据节点和运算节点，数据节点包含叶子节点和非叶子节点，运算节点也称运算操作。数据可以在计算图上正向传播也可以反向更新。叶子节点： 凡是具有requires_grad = False属性的Tensor都是叶子节点，但是并不是所有叶子节点的requires_grad都
转载
2023-11-03 13:28:26
79阅读
PyTorch学习笔记（13）–现有网络模型的使用及修改 本博文是PyTorch的学习笔记，第13次内容记录，主要介绍如何使用现有的神经网络模型，如何修改现有的网络模型。 目录PyTorch学习笔记（13）--现有网络模型的使用及修改1.现有网络模型2.现有模型的使用2.1VGG16模型的结构2.2修改现有VGG16模型的结构3.学习小结 1.现有网络模型 在现有的torchvisio
转载
2023-09-08 11:34:48
593阅读
1. 概述本文主要是参照 B 站 UP 主 霹雳吧啦Wz 的视频学习笔记，参考的相关资料在文末参照栏给出，包括实现代码和文中用的一些图片。整个工程已经上传个人的 github https://github.com/lovewinds13/QYQXDeepLearning ，下载即可直接测试，数据集文件因为比较大，已经删除了，按照下文教程下载即可。论文下载：Very Deep Convolution
记录完整实现他人模型的训练部分的过程 实现模型推理部分项目场景问题描述报错记录解决方案 项目场景训练完深度学习模型之后，对于模型推理部分的实现问题描述在学习NER模型，下载学习使用别人的模型，完成了训练部分，但是不知道具体的使用方法，即实现如何推理，对于模型的感知和理解处在一个黑盒的状态。报错记录 在实现推理时报了太多太多的错，以至于接近崩溃 报错情景如下：stri="改善人民生活水平，建设社会主
转载
2023-08-11 15:16:42
162阅读
文章目录PyTorch模型定义的方式equentialModuleListModuleDict三种方法比较与适用场景利用模型块快速搭建复杂网络U-Net简介U-Net模型块分析U-Net模型块实现利用模型块组装U-NetPyTorch修改模型修改模型层添加外部输入添加额外输出PyTorch模型保存与读取模型存储格式模型存储内容单卡和多卡模型存储的区别情况分类讨论 深入浅出PyTorch PyTo
转载
2023-09-21 08:57:41
133阅读
