TensorTensor又名张量是PyTorch中重要的数据结构，可认为是一个高维数组。它可以是一个数（标量）、一维数组（向量）、二维数组（矩阵）或更高维的数组。Tensor和numpy的ndarrays类似，但Tensor可以使用GPU加速。下面通过几个例子了解Tensor的基本用法：from __future__ import print_function
import torch as t
参考：https://github.com/chenyuntc/pytorch-book/tree/v1.0/chapter7-GAN生成动漫头像GAN解决了非监督学习中的著名问题：给定一批样本，训练一个系统能够生成类似的新样本 生成对抗网络的网络结构如下图所示：生成器(generator)：输入一个随机噪声，生成一张图片判别器(discriminator):判断输入的图片是真图片还是假
转载
2024-01-16 06:07:15
105阅读
pytorch中如何加载数据 一、pytorch数据主要涉及两个类：dataset和dataloader 1、dataset提供一种方式去获取数据及其label： 1）如何获取每一个数据及其label 2）告诉我们总共有多少的数据（神经网络是经常要对一个数据迭代多次，当我们知道有多少数据需要训练的时候，他才知道我们要训练多少次才能把数据迭代完，进行下一次迭代） 2、dataloader为后面的网络
转载
2023-10-10 09:19:07
72阅读
一、参考资料PyTorch中文文档PyTorch官方文档PyTorch官方源码：GitHub - pytorch/pytorch: Tensors and Dynamic neural networks in Python with strong GPU accelerationPyTorch 中文教程 & 文档二、分布式训练pytorch set_epoch()方法在分布式模式下，需要在
转载
2023-09-15 11:49:43
1291阅读
在PyTorch的神经风格迁移一章中，我们学习了一种通过模仿艺术图像的风格来生成新数据的方法。在本章中，我们将介绍另一种生成新数据的方法，称为生成对抗网络(GANs)。GAN是一个通过学习数据分布来生成新数据的框架。GAN框架由generator和discriminator两个神经网络组成，如下图所示: 在图像生成方面，当给定噪声作为输入时，生成器生成假数据，判别器将真实图像与假图像进行分类。在训
转载
2024-01-03 20:41:19
84阅读
Deep Learning with Pytorch 中文简明笔记 第七章 Telling birds from airplanes: Learning from imagesPytorch作为深度学习框架的后起之秀，凭借其简单的API和简洁的文档，收到了越来越多人的关注和喜爱。本文主要总结了 Deep Learning with Pytorch 一书第七章[Telling birds from
转载
2023-12-09 14:22:46
134阅读
本章主要针对pytorch0.4.0英文文档的前两节,顺序可能有些不一样：torchtorch.Tensor张量 TensorsData typeCPU tensorGPU tensortype32-bit floating pointtorch.FloatTensortorch.cuda.FloatTensortorch.float3264-bit floating pointtorch.Dou
转载
2024-03-12 17:58:14
61阅读
深度学习Pytorch-生成对抗网络GAN0. 往期内容1. 生成对抗网络GAN定义2. 如何训练GAN？3. 训练DCGAN实现人脸生成4. 完整代码 1. 生成对抗网络GAN定义2. 如何训练GAN？不是数值上的逼近，而是分布上的逼近。3. 训练DCGAN实现人脸生成4. 完整代码gan_demo.py# -*- coding: utf-8 -*-
"""
# @file name : g
转载
2023-08-21 16:48:58
338阅读
系列文章目录第一章 pytorch的基本介绍第二章 pytorch的基本操作 第三章 pytorch的小特性 文章目录系列文章目录前言一、什么是自动广播，向量化？二、自动广播注意点1. tensor不能为空2. 从尾部开始计算3. 两个tensor的维度尺寸可以相等，不相等则要满足至少一个条件，维度为1或缺少三、内存共享1 操作通过加后缀“_2 Tensor与NumPy转换，是共用内存的3 通过T
转载
2024-04-16 15:27:01
24阅读
# 如何使用 PyTorch 创建 PDF 教程：新手指南
在这篇文章中，我们将以一个新手开发者的视角，逐步实现一个简单的 PyTorch 教程，并将其保存为 PDF 文件。我们将先进行一系列的步骤概述，然后逐步深入每一步的具体实现。
## 流程概述
下面是实现整个过程的步骤概述：
| 步骤 | 描述 |
原创
2024-08-31 10:16:34
72阅读
# PyTorch Tutorial: Introduction and Code Examples
PyTorch is a widely-used open-source deep learning framework that provides a seamless interface for building and training neural networks. It is kno
原创
2023-12-29 06:18:18
90阅读
# 如何在PyTorch中实现中文PDF
## 流程图
```mermaid
flowchart TD
A(准备数据) --> B(构建模型)
B --> C(训练模型)
C --> D(保存模型)
D --> E(加载模型)
```
## 教学步骤
| 步骤 | 描述 |
| --- | --- |
| 1 | 准备数据 |
| 2 | 构建模型 |
|
原创
2024-06-09 03:37:27
121阅读
参考https://github.com/chenyuntc/pytorch-book/tree/v1.0希望大家直接到上面的网址去查看代码，下面是本人的笔记 本章介绍的nn模块是构建与autograd之上的神经网络模块除了nn外还会介绍神经网络中常用的工具，比如优化器optim、初始化init等1.nn.Moduletorch的核心数据结构是Module，它是一个抽象的概念，既可以表示
PyTorch编程笔记。
PyTorch随手记PyTorch随手记1. 模型操作2. 网络设计卷积图示填充（padding）升采样全连接层3. 损失函数交叉熵4. 系统或环境交互模型加载5. 犯过的错误损失异常测试显存过大Note:安装：PyTorch1.2 + CUDA10.0 + cuDNN7.6 + Anaconda3PyTorch官方教程学习笔记
# PyTorch教程PDF实现步骤
## 引言
PyTorch是一个开源的深度学习框架，它提供了丰富的工具和库来帮助开发者构建和训练神经网络模型。为了帮助小白入门PyTorch，本文将介绍如何实现一个PyTorch教程的PDF版本，让大家可以离线学习和参考。
## 整体流程
以下是实现PyTorch教程PDF的整体流程：
```mermaid
journey
title 整体流程
原创
2023-11-07 10:35:21
84阅读
# 理解PyTorch：深度学习的强大工具
PyTorch是一个广泛使用的开源深度学习框架，因其灵活性和易用性而受到研究者和开发者的青睐。与其他深度学习框架相比，PyTorch的动态计算图特性使得调试和开发变得更加直观。在这篇文章中，我们将探讨PyTorch的基本概念，并提供简单的代码示例以帮助读者上手。
## 什么是PyTorch？
PyTorch是由Facebook开发的一个深度学习框架
实现"PyTorch教程 PDF"的流程如下：
| 步骤 | 描述 |
| --- | --- |
| 1 | 确定所需教程内容 |
| 2 | 搜集相关教程资料 |
| 3 | 整理教程内容并编写代码 |
| 4 | 生成PDF文档 |
下面是每个步骤需要做的事情以及相应的代码和注释：
## 步骤1：确定所需教程内容
首先，你需要确定你计划教授的PyTorch教程内容。这可以包括PyTo
原创
2023-09-18 06:10:29
168阅读
# PyTorch入门 PDF 制作指南
欢迎来到这份 PyTorch 入门 PDF 制作的详细指南。作为一名刚入行的小白，学习如何将你的 PyTorch 学习成果整理成 PDF 文档的过程将有助于你更好地理解和巩固知识。接下来，我将带你一步步地完成这个过程。
## 制作流程
以下是整个制作 PDF 的基本步骤：
| 步骤号 | 步骤名称 | 描述
目录 1.Pytorch介绍与安装1.1 介绍1.2 Pytorch安装2 Torch2.1 Tensor构造2.1.1 torch.from_numpy构造 - 维度任意2.1.2 使用数组直接构造 - 维度任意2.1.3 torch.eye构造 - 多维2.1.4 torch.linspace构造 - 一维2.1.5 torch.logspace 构造&
转载
2024-03-30 19:27:40
146阅读
文章目录一、画图、路径、csv、txt、导模块、类继承调用方法写进日志log里面pytorch ,可视化1，输出每一层的名字，输出shape，参数量获取当前文件夹路径python 获取当前目录 上一级目录 上上一级目录写入xlsx或者csv等文件，如果没有文件夹，则自动创建文件夹保存文件到txt，读取txt文件数值汇总fpr、tpr到excel画多个loss曲线和auc并将数值保存到csv文件将
转载
2023-09-14 18:20:08
170阅读
