写在前面本学习总结主要目的1.怕以后忘记，到时候翻来看看， 2.梳理一下项目过程，便于工业化生产（哈哈） 3.敲一遍代码加深记忆 4.帮助他人，方便入门同学能够容易入门本过程主要设计到的内容1.torch.nn，nn模块下的Module类，组件类，neture network 2.tensor，巩固tensor的方法 3.torch.utils.data里面DataLoader的用法 4.torc
转载
2023-10-26 11:34:48
59阅读
# 猫的PyTorch模型文件
在深度学习领域，PyTorch是一种流行且强大的框架，广泛应用于图像识别、自然语言处理等任务。本文将讨论如何使用PyTorch训练一个猫分类模型，并演示如何保存和加载模型文件，以便于后续使用。
### 确定任务
我们的目标是训练一个模型来识别猫与非猫图像。为此，我们需要构建数据集，定义模型结构，并使用PyTorch进行训练。
### 数据准备
首先，我们需
目录1. PyTorch模型定义的方式1.1 torch.nn.Sequential以上两种方式的唯一区别在于：1.2 torch.nn.ModuleList1.3 torch.nn.ModuleDict1.4 实战2. 用模型块快速搭建复杂网络 2.1 卷积神经网络基础2.1.1 卷积层2.1.2 池化层2.1.3 全连接层2.2 U-Net模型2.3
转载
2023-08-11 21:09:51
157阅读
今日内容概要强调:今日老师讲的内容以理论为主，仅仅是一个思想的解读而已面向对象编程思想前戏面向对象编程思想类与对象的概念类与对象的创建对象的实例化类与对象绑定方法今日内容详细一、面向对象编程思想前戏 首先呢，老师用人狗大战小游戏作为前戏带我们引入面向对象编程思想。# 人狗大战小游戏
# 1.描述人和狗
'
转载
2023-12-27 14:16:00
258阅读
开始最近在看transformer相关的文章，在AN IMAGE IS WORTH 16X16 WORDS: TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE这篇文章中，作者给出了在超大数据集上训练的模型。但是采用的是npz文件保存。这里将介绍npz文件和如何将其应用到pytorch中进行加载参数和训练。1、什么是npz文件？npz文件是python中nump
转载
2023-10-25 13:29:57
300阅读
这里在我写的 Pytorch：一个简单的神经网络——分类 的基础上进行对模型的保存和提取操作。为了检验保存的模型就是训练好的模型，先用训练好的模型做个测试print(net(torch.tensor([2., 5.]))) # 用模型判断（2，5）这个点所属的类别
# tensor([0.9701, 0.0299], grad_fn=<SoftmaxBackward>) # 数据0、1
转载
2023-08-21 09:08:51
133阅读
猫狗分类这个真是困扰我好几天，找了好多资料都是以TensorFlow的猫狗分类，但我们要求的是以pytorch的猫狗分类。刚开始我找到了也运行成功了觉得可以了，最后看了一眼实践要求傻眼了，老师要pytorch，我却弄了TensorFlow，主要是当时不懂觉得这俩一样，之后的寻找中慢慢发现这俩都是环境，不一样。之后就又找，找了好几天，可辛苦了，
转载
2024-04-26 13:24:46
31阅读
文章目录前言一、定义自己的数据集二、开始训练猫狗数据三、辅助工具3.1 随机采样猫狗数据3.2 将猫狗数据集分成训练集、验证集 前言猫狗识别的数据在百度网盘： 链接：https://pan.baidu.com/s/1_jgubf2Ay47ONnhcJcQ-ng &nb
转载
2024-01-02 11:13:24
630阅读
文章目录一、项目背景1. 赛题介绍2. 数据简介二、数据处理1. 解压PaddleClas与解压数据集2. 构建train.txt、val.txt和test.txt3. 自定义数据集读取类三、模型组网1. 构建Dataloader2. 组网四、模型训练1. 训练2. 训练数据+验证数据微调五、模型预测并保存结果六、迁移学习对比实验1. 随机初始化的参数，模型第一层的某个通道参数功能可视化2. 随
转载
2024-09-21 09:21:03
70阅读
# PyTorch实现猫狗分类任务指南
## 前言
PyTorch是一个基于Python的开源机器学习库，广泛应用于深度学习领域。本文将指导刚入行的小白如何使用PyTorch实现猫狗分类任务。
## 整体流程
下面的表格展示了整个实现猫狗分类任务的流程。
| 步骤 | 描述 |
|-----|------|
| 1. 数据准备 | 获取数据集，并进行数据预处理 |
| 2. 模型搭建 |
原创
2023-09-05 08:45:19
188阅读
详解pytorch实现猫狗识别98%附代码前言一、为什么选用pytorch这个框架？二、实现效果三、神经网络从头到尾1.来源：仿照人为处理图片的流程，模拟人们的神经元处理信息的方式2.总览神经网络3.卷积层(Convolution)4.池化层（Subsmpling）5.全连接层（Fully Connected）四、项目架构五、代码实现六、数据集总结 前言前段时间间做了猫狗识别的项目，采用的是py
转载
2023-12-10 14:00:53
171阅读
数据集地址：https://www.kaggle.com/datasets/shaunthesheep/microsoft-catsvsdogs-dataset```python
from shutil import copyfile
import random
import torch.nn as nn
from torch.utils.data import DataLoader
import
转载
2024-07-04 15:48:21
89阅读
介绍猫狗分类来源于Kaggle上的一个入门竞赛。https://www.kaggle.com/competitions/dogs-vs-cats-redux-kernels-edition/overview代码及解释首先，导入一系列的库。import numpy as np
from PIL import Image
from pathlib import Path
import torch
fr
转载
2023-12-15 11:53:59
32阅读
python和Java不同，是一门动态语言：在创建对象的时候，我们并不需要声明对象的类型。这在简化书写方面带来了极大的便利，但是对于IDE来说，智能地辨别这些类型，并给出相应的代码提示就十分困难。比如爬虫的代码：IDE通常无法有效地识别类型，然后给出相应的提示。实际上pycharm提供了称为Type Hint的方法，来给IDE进行类型提示，以更便捷地获取代码提示。参考网站：https://www
转载
2023-12-14 05:33:56
55阅读
目录前言1. Introduction（介绍）2. Related Work（相关工作）2.1 Analyzing importance of depth（分析网络深度的重要性）2.2 Scaling DNNs（深度神经网络的尺寸）2.3 Shallow networks（浅层网络）2.4 Multi-stream networks（多尺寸流的网络）3. METHOD（网络设计方法）3.1 PA
转载
2023-12-21 07:00:30
134阅读
1.背景介绍网络保护通常面临的一个难题就是，他应该让人能够很容易地识别，而让机器无法识别，比如验证码，可以有效地减少垃圾邮件，还能防止用户的密码被恶意2.原理分析最好的办法就是使用迁移学习，通过迁移学习，来让没有太多计算资源的人也能顺利实现深度学习中复杂模型的训练。迁移学习 在机器学习的经典监督学习场景中，如果针对一些任务A训练一个模型，会通过提供任务A的数据和标签来进行训练，现在已经在给定的数据
转载
2024-06-23 11:25:10
58阅读
目录评估函数，计算 图片多分类的准确率 topK保存准确率信息完整代码 评估函数，计算 图片多分类的准确率 topK## topk的准确率计算
def accuracy(output, label, topk=(1,)):
maxk = max(topk)
batch_size = label.size(0)
# 获取前K的索引
_, pred = o
转载
2024-04-15 06:25:27
30阅读
【导读】在应用中使用深度学习的挑战之一是管理加载模型进行推理的成本。在本文中，我们将展示如何利用 PyTorch 和 Ray 的功能将这一成本几乎降至零。Introduction深度学习模型庞大而繁琐。由于它们的大小，它们需要很长时间才能加载。管理这种加载成本需要复杂的系统来在生产中部署模型。TFX、TorchServe 和 IBM Spectrum Conductor Deep Learning
转载
2024-06-07 07:17:03
122阅读
#!/usr/bin/env python
# -#-coding:utf-8 -*-
# author:魏兴源
# datetime:2021/10/20 20:14:13
# software:PyCharm
"""
模型1：Pytorch CNN 实现流程
1.图片数据处理，加载数据集
2.使得数据集可迭代（每次读取一个Batch）
3.创建模型类
4.
转载
2023-11-28 16:09:20
130阅读
Pytorch模型保存与加载，并在加载的模型基础上继续训练1.基本语句1.1 保存参数1.2 加载参数2. 语句分析2.1 torch.save()和torch.load()2.2 model.state_dict()2.3 model.load_state_dict()3. state_dict()和model.parameters() Pytorch保存模型保存的是模型参数 1.基本语句1
转载
2024-03-07 12:01:02
82阅读
