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
作者：忆臻 (哈工大SCIR实验室在读博士生)
魏福煊 哈工大英才实验班本科生 谢天宝 哈工大英才实验班本科生 一、前言在我们要用pytorch构建自己的深度学习模型的时候，基本上都是下面这个流程步骤，写在这里让一些新手童鞋学习的时候有一个大局感觉，无论是从自己写，还是阅读他人代码，按照这个步骤思想（默念4大步骤，找数据定义、找model定义、(找损失函数、优化器定义)
目录前言：什么是dataset？dataset类python的os库python的PIL库dataset子类代码导库：模板：__init__:__getitem__:__len__：子类完整代码：测试：尾声：补充：前言：该专栏的前几篇介绍完了yolov5的基本框架，本章开始将进行pytorch的框架学习，如果你也跟我一样是个深度学习小白想要学习yolo算法，下面给出一点学习方向的建议——什么是da
# 使用 PyTorch 编写 Transformer 模型
## 引言
在自然语言处理（NLP）的领域，Transformer 自从在 2017 年被提出以来，成为了最重要的模型之一。与之前的循环神经网络（RNN）不同，Transformer 采用了一种自注意力机制，使模型能够更好地捕捉长程依赖关系。本文将介绍如何使用 PyTorch 编写一个基本的 Transformer 模型，并包含必要
# 如何用PyTorch编写LSTM
## 1. 整体流程
首先，我们需要了解整个过程的步骤和顺序。下面是一个简单的表格，展示了实现LSTM模型的基本步骤：
| 步骤 | 操作 |
| --- | --- |
| 1 | 定义LSTM模型的结构 |
| 2 | 定义损失函数和优化器 |
| 3 | 训练模型 |
| 4 | 测试模型 |
## 2. 具体步骤
### 步骤1: 定义LST
原创
2024-03-03 06:00:55
120阅读
总结：直接在官网生成最新版命令安装（最好不要用国内镜像源），如果torch.cuda.is_available()返回False，升级显卡驱动，基本上可以解决。pytorch安装pytorch官网选择要安装的版本和安装方式（建议选择Conda安装最新版），会自动生成安装命令，打开 Anaconda Prompt ，直接复制命令安装就可以了。特别注意：如果电脑有NVIDIA独立显卡，选择对应的CUD
转载
2023-10-30 14:26:11
206阅读
文章目录前言一、词向量运算1.数据准备2.余弦相似度3.词类类比二、表情生成器V1三、表情生成器V21.构造嵌入层embedding_layer2.Dataloader3.构造LSTM4.模型训练5.实验结果 前言 本博客只是记录一下本人在深度学习过程中的学习笔记和编程经验，大部分代码是参考了【中文】【吴恩达课后编程作业】Course 5 - 序列模型 - 第二周作业 - 词向量的运算与Emo
转载
2024-01-10 12:15:41
31阅读
云桌面pytorch的配置以及简单脚本的编写 一、环境配置 1、更新pip 输入指令：python -m pip install --upgrade pip 2、配置Anaconda（用户管理python版本）： （1）进入官网找到选择版本： https://www.anaconda.com/products/individual（2）下载好后上传至云桌面，然后打开命令行输入： $ bash An
转载
2024-01-02 10:31:34
184阅读
TORCH.NN 到底是什么？PyTorch提供了设计精美的模块和类torch.nn， torch.optim， Dataset和DataLoader 来帮助您创建和训练神经网络。为了充分利用它们的功能并针对您的问题对其进行自定义，您需要真正地了解他们在做什么。为了建立这种理解，我们将首先在MNIST数据集上训练基本神经网络，而无需使用这些模型的任何功能；我们最初只会使用最基本的Py
转载
2024-08-31 20:21:35
25阅读
本文搭配了Pytorch在线环境，可以直接在线体验。Pytorch是Facebook 的 AI 研究团队发布了一个基于 Python的科学计算包，旨在服务两类场合： 1.替代numpy发挥GPU潜能 ；2. 一个提供了高度灵活性和效率的深度学习实验性平台。在线体验练习地址：Pytorch快速上手/在线实验室
1.Pytorch简介Pytorch是Facebook 的 AI 研究团队发布
转载
2023-12-04 04:55:20
107阅读
文章目录cheat sheet模型初始化正态分布函数自动求导激活函数数据加载反向传播矩阵计算预训练模型张量操作常用模型损失函数动态量化模型保存模型训练结果复现性模型可视化pytorchviz包可视化参考文章 cheat sheetcheatsheet模型初始化正态分布函数w=torch.empty(2,5) #空tensor torch.nn.init.normal_(w,mean=0.0,st
转载
2023-09-21 10:23:16
78阅读
# 在PyTorch中编写Batch Normalization层的方案
Batch Normalization（BN层）是深度学习中常用的技术，旨在提高神经网络的训练速度和稳定性。本文将详细介绍如何在PyTorch中实现一个自定义的Batch Normalization层，包括代码示例和应用场景。
## 1. Batch Normalization的基本原理
Batch Normaliza
目录一、数据准备二、创建神经网络模型三、可视化最大池化效果一、数据准备首先，需要准备一个数据集来演示最大池化层的应用。在本例中，使用了CIFAR-10数据集，这是一个包含10个不同类别图像的数据集，用于分类任务。我们使用PyTorch的torchvision库来加载CIFAR-10数据集并进行必要的数据转换。 import torch
import torchvision
from torch.u
三个方法，一、最方便最稳定最好的方法是在Anoconda Navigator 这个图形化界面里进行配置 打开 依次点击下面这个 开始创建下面几个选项分别是已经安装的没有安装的可以更新的已经删除的所有的 然后去pycharm里选到把这些新创建的环境下的python.exe这个解释器添加进去，就成功让程序在这个环境里运行了 先点圆圈里的内容，然后那两个
转载
2023-10-04 20:59:23
96阅读
最近因为工作需要，学习了一波CUDA。这里简单记录一下PyTorch自定义CUDA算子的方法，写了一个非常简单的example，再介绍一下正确的PyTorch中CUDA运行时间分析方法。所有的代码都放在了github上，地址是：https://github.com/godweiyang/torch-cuda-examplegithub.com/godweiyang/torch-cuda-examp
转载
2023-12-05 15:00:26
305阅读
编译工具：Pycharm张量工具：pytorch目前大部分博主对dim的讲解大多停留在低维，在这里我说一下高维的情况，先看图： 在上图中，我们用pytorch中声明了一个张量a，a具有4列、3行、两页、1块。其中，行与列不用再解释： 页：也就是“面”，比如上图，由3行4列组成一页，或者是说组成一面。 块：也就是“体”，比如上图，由两页（两面）组成一块，或者说是组成一个“体”。 以上想法来自初中几何
第三节：工程实践技巧的Pytorch实现我们在CS231n的笔记中我们讲解了在搭建一个网络的时候我们会用到的各种小技巧（Fancy Trick），例如使用Mini-batch而非单个数据来进行训练，我们优化参数矩阵的时候采取各种AdamGrad,Momentum SGD等等而非简单的SGD，我们不使用正态分布而是凯明初始化方法或者Xavier初始化方法等来初始化参数矩阵避免训练失败等等我们真正搭建
转载
2024-06-11 22:18:45
71阅读
原创
2021-09-06 11:35:50
246阅读
# 使用 PyTorch 编写智能问答系统的测试用例
智能问答系统在现代科技中占据了重要的地位。通过使用深度学习库 PyTorch，我们可以轻松地构建一个基本的问答系统。本文将通过代码示例介绍如何使用 PyTorch 制作测试用例，以确保我们的模型在各种输入下都能表现良好。
## 一、什么是测试用例？
测试用例是用于评估软件系统或模块功能或性能的具体输入和期望输出的定义。在机器学习项目中，编
原创
2024-08-06 08:41:30
152阅读
在这篇博文中，我将向大家展示如何使用 PyTorch 编写一个高斯函数。高斯函数不仅是一个非常重要的数学函数，在机器学习和图像处理领域中都有广泛的应用。下面，我将从背景描述、技术原理、架构解析、源码分析、性能优化等方面让你能够深入理解这个问题。
### 背景描述
在机器学习和统计学中，高斯函数（或称正态分布函数）是用来描述随机变量的分布特征的。它的公式形式如下：
$$
f(x) = \fra
