一、环境搭建当前：Windows10 + Anaconda3.61.1 创建PyTorch的虚拟环境打开Anaconda中的Anaconda Prompt那个黑框框，输入：#注意这里pytorch是自己设置的虚拟环境名称，可以随意取
conda create --name pytorch python=3.6之后输入y，创建pytorch虚拟环境。以下是一些常规命令：#进入到虚拟环境
activa
转载
2023-07-28 15:38:09
180阅读
# 监控PyTorch训练过程
在使用PyTorch进行深度学习模型训练时，监控训练过程是非常重要的，可以帮助我们了解模型的训练进展，及时发现问题并调整参数，以获得更好的训练效果。本文将介绍如何使用PyTorch内置的工具进行训练过程的监控。
## 使用TensorBoard进行监控
TensorBoard是TensorFlow提供的强大的可视化工具，可以用来监控模型训练过程。PyTorch
原创
2024-03-24 05:26:30
245阅读
# PyTorch CUDA监控指南
在深度学习的训练过程中，GPU的性能监控是一个不可或缺的步骤，特别是当我们使用PyTorch进行神经网络训练时。接下来，我们将通过几个简单的步骤来实现PyTorch的CUDA监控，帮助你更好地理解和优化模型训练。
## 流程概述
以下是实现PyTorch CUDA监控的主要步骤：
| 步骤 | 描述 |
|-------|------|
| 1. 确认
原创
2024-10-16 04:10:12
40阅读
文章目录《pytorch基础总结》1.激活函数的作用2.BN（批量标准化）3.误差函数的作用4. torch.nn和 torch. optim5.torchvision.transformas6.np.random.shuffle()7.过拟合8.assert9.小卷积的作用 1.激活函数的作用激活函数是用来加入非线性因素的，提高神经网络对模型的表达能力解决信息模型不能解决的问题。也
经典网络 ResNet1 简述GoogleNet 和 VGG 等网络证明了，更深度的网络可以抽象出表达能力更强的特征，进而获得更强的分类能力。在深度网络中，随之网络深度的增加，每层输出的特征图分辨率主要是高和宽越来越小，而深度逐渐增加。 深度的增加理论上能够提升网络的表达能力，但是对于优化来说就会产生梯度消失的问题。在深度网络中，反向传播时，梯度从输出端向数据端逐层传播，传播过程中，梯度的累乘使得
## PyTorch 实时 CUDA 监控
在深度学习中，GPU (图形处理单元) 是训练模型的关键。然而，随着计算需求的增加，实时监控CUDA (Compute Unified Device Architecture) 的性能变得愈发重要。本文将向你介绍如何在PyTorch中进行实时CUDA监控，确保你可以有效利用GPU资源。
### 什么是CUDA？
CUDA是NVIDIA推出的并行计算
原创
2024-10-14 06:16:34
130阅读
# 监控PyTorch显存占用
PyTorch是一个流行的深度学习框架，但在训练深度神经网络时，经常会遇到显存占用过高导致程序崩溃的问题。为了避免这种情况的发生，我们可以通过监控PyTorch的显存占用来及时发现问题并进行调整。
## 监控显存占用方法
在PyTorch中，我们可以使用`torch.cuda.memory_allocated()`和`torch.cuda.max_memory
原创
2024-02-25 04:24:46
209阅读
pytorch版本 >=1.8.0函数形态torch.cuda.set_per_process_memory_fraction(0.5, 0)参数1：fraction 限制的上限比例，如0.5 就是总GPU显存的一半，可以是0~1的任意float大小；
参数2：device 设备号； 如0 表示GPU卡 0号；使用示例：import torch
# 限制0号设备的显存的使用量为0.5，就是
转载
2023-06-09 14:02:09
648阅读
前提：安装好Python3.6+，torch(GPU)，登录一台开发机。一、GPU基本信息1.查看cuda是否可用：torch.cuda.is_available()
转载
2023-01-09 11:47:00
1394阅读
# PyTorch 监控模型占用显存
在深度学习中，显存（GPU memory）是非常宝贵的资源。了解如何监控模型在显存中的占用情况对于优化模型的性能和解决显存不足问题非常重要。PyTorch提供了一些工具和技巧来监控模型在显存中的使用情况，本文将介绍如何使用这些工具和技巧来监控模型在显存中的占用情况。
## 1. torch.cuda.memory_allocated()
`torch.c
原创
2023-08-10 17:42:25
3676阅读
# 如何使用PyTorch监控当前显存占用
在深度学习中，PyTorch是一个非常受欢迎的深度学习框架，它提供了许多有用的功能来帮助开发者更好地管理资源。其中一个重要的问题是监控显存的占用情况，这对于模型训练和调试非常有帮助。在本篇文章中，我将向你介绍如何使用PyTorch来监控当前显存的占用情况。
## 监控显存占用的步骤
下面是监控显存占用的步骤的简要概述：
| 步骤 | 描述 |
|
原创
2023-08-03 08:16:08
699阅读
一个月Pytorch从入门到实践学习时间：学习内容：3-2 张量，标量，向量，矩阵3-3 tensor创建理论3-4 tensor创建代码3-5 tensor属性tensor 属性类别例子设备属性稀疏属性3-6 稀疏张量编程实践3-7 tensor算术运算加法运算add减法运算sub乘法mul（区别矩阵乘）除法div矩阵乘法（5种）幂运算3-8 tensor算术运算编程实现3-9 in-plac
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
如何使用PyTorch实现模型
## 引言
PyTorch是一个用于构建深度学习模型的开源框架，它提供了丰富的工具和库，帮助开发者更高效地实现和训练各种深度学习模型。本文将介绍使用PyTorch实现模型的步骤和必要的代码。
## 流程
下面是使用PyTorch实现模型的整个流程：
```mermaid
flowchart TD
A[数据准备] --> B[定义模型]
B
原创
2024-01-15 05:40:41
164阅读
关于PyTorch弹性训练，迄今为止我们已经分别介绍了 Agent 和 rendezous，但是有些部分并没有深入，比如，本文就把它们统一起来，对弹性训练做一个整体逻辑上的梳理。
原创
2022-01-18 10:37:55
382阅读
利用pytorch1.2.0+cuda10.0+conda的虚拟环境+pycharm环境目录一、文件结构：（一）总结构（二）每个文件夹巨巨巨详细说明二、数据集准备：三、训练前准备txt_annotation.py生成两个txt文件四、开始训练模型五、预测1、训练完成后，看logs文件下有对应训练好的权值 2、打开classification.py修改三个参数3、直接运行predict.p
转载
2023-12-19 13:54:12
1081阅读
一、PyTorch简介1. 基本介绍2017 年 1 月，FAIR（Facebook AI Research）发布了 PyTorch。PyTorch 是在 Torch 基础上用 python 语言重新打造的一款深度学习框架。Torch 是采用 Lua 语言为接口的机器学习框架，但是因为 Lua 语言较为小众，导致 Torch 学习成本高，因此知名度不高。Pytorch优点上手快，掌握 Numpy
转载
2023-08-10 14:46:07
205阅读
1 """
2 迁移学习：利用一个已经在其他训练集训练好的模型的权重或特征层来对目标训练集进行训练
3 """
4 # __future__模块用于把下一个版本的一些新特性导入当前版本，使得当前版本兼容这些新特性
5 # import print_function：在python2版本中输出不需要加括号，但是在python3版本中需要
6 # import division：在
转载
2023-06-20 22:56:29
198阅读
1.DecompressionBombWarning: Image size (92680344 pixels) exceeds limit of 89478485 pixels, could be decompression bomb DOS attack.DecompressionBombWarning, 原因是图像尺寸超过PLI 默认读取图像尺寸。 一种方法是更改阈值上限&n
转载
2023-08-21 15:19:44
200阅读
目录0.引言1.关键点2.WOA优化1DCNN超参数实战2.1 数据准备2.2 1DCNN故障诊断建模2.3 采用WOA优化1DCNN超参数0.引言 采用1DCNN进行轴承故障诊断建模，并基于鲸鱼优化算法WOA对1DCNN的超参数进行优化，以实现更高的精度。建立一个两层的1DCNN，优化的参数包括学习率、
转载
2023-10-16 00:18:33
131阅读
