model.eval因为自定义的网络以及自定义的网络中的各个层都继承于nn.Module这个父类nn.Module存在一个training的属性，默认为True，所以，model.eval()使得自定义的网络以及自定义的网络中的各个层的training属性变为了False
import torch.nn as nn
class model(nn.Module):
def __init__(
这里写目录标题1. net.parameters()查看网络参数1. net.parameters()查看网络参数
原创
2023-04-07 10:37:06
88阅读
对于新手入门，我们最常见的就是猫狗分类数据集，但是对于已经在本地的图像文件，我们一改如何加载进来呢？这里pytorch中给出了ImageF
原创
2023-01-17 02:21:35
482阅读
尽管用户通常将 Python 看作是一个过程性和面向对象语言，但它实际上包含了实现完整函数编程所需的每样事物。本文讨论了函数编程的常规概念，并说明了在 Python 中实现函数技术的方法。
我们最好从最难的问题开始：“到底什么是函数编程 (FP)？”一个答案可能会说 FP 就是您在使用例如 Lisp、Scheme、Haskell、ML、OCAML、Clean、Mercury、Erlang（
"When Does Label Smoothing Help? "这篇文章指出Szegedy et al.提出了Label Smoothing. 因此我们就从Szegedy et al.的文章入手。在这里我们简称Label Smoothing为LS。 标签平滑也可以被简称为LSR(Label-Smoothing Regularization)。 在深度学习样本训练的过程中，我们采用o
转载
2024-01-29 13:11:58
101阅读
# PyTorch Wavelets：一种高效的信号处理工具
在现代信号处理和图像处理中，波形变换（Wavelet Transform）是一种重要的工具。它能够将信号或图像分解成不同的频率成分，并在时间和频率域中提供上下文信息。如今，PyTorch作为一种流行的深度学习框架，已经整合了波形处理的功能，特别是通过 `pytorch_wavelets` 库。
## 为什么选择波形变换？
波形变换
原创
2024-08-06 08:42:02
2235阅读
# PyTorch nn.ModuleList 使用方法
## 引言
PyTorch是一个流行的深度学习框架，它提供了许多强大的工具和库来帮助开发者构建和训练神经网络模型。其中之一就是`nn.ModuleList`，它是一个用于容纳多个子模块的类。在本文中，我们将介绍如何使用`nn.ModuleList`来管理和操作子模块。
## nn.ModuleList 简介
`nn.ModuleList
原创
2023-08-30 04:11:06
654阅读
目录 VGG网络介绍pytorch搭建VGG网络 附加知识参考VGG网络介绍论文：《Very Deep Convolutional Networks for Large-Scale Image Recognition》论文地址：https://arxiv.org/abs/1409.1556 VGG
⽹络可以分为两部分：第⼀部分主要由卷积层和汇聚层组成，第⼆部分由
该函数我们定义了两个张量，分别是一个正态分布的a，另外一个是0-11的张量，我们的判断条件是a>0，如果a对应位置的
原创
2023-01-17 02:20:55
1072阅读
我们可以将我们需要的层放入到一个集合中，然后将这个集合作为参数传入nn.ModuleList中，但是这个子类并不可以直接使用，因
原创
2023-01-17 02:21:08
1132阅读
pytorch的优化器optimizer使用方法，主要介绍如何更改学习率，查看参数，若学会将有利于我们可使用模型调整学习策略等
原创
2023-06-15 11:04:38
1103阅读
在深度学习中，神经网络的构建往往依赖于高效的层结构，其中全连接层（Fully Connected Layer）是最常见的一类。全连接层与神经网络的性能直接相关，因此理解其使用与实现至关重要。本文将详细探讨在 PyTorch 中全连接层的使用方法，涵盖背景描述、技术原理、架构解析、源码分析、应用场景及案例分析。
```mermaid
flowchart TD
A[用户需求] --> B[选
首先使用meter.ClassErrorMeter()实例化一个类，该类可以想成内部有一个集合，里面会保存一些数据，并定义一些方法能够对这些数据
原创
2023-01-17 02:19:04
133阅读
下面我们介绍下如何使用AverageValueMeter()这个方法计算每个epoch的损失值，对于这个目的，我们可以通过定义变
原创
2023-01-17 02:19:20
199阅读
我们可以看到小于2的位置的元素全部被替换为最小值2，大于10的位置全部被替换为最大值10，中间位置的数值保持不变。该函数是用来做截断处理的，通常被使用在需要比较大小的地方。
原创
2023-01-17 02:19:28
389阅读
在类中我们定义了一个线性层，输入维度是10，输出维度是3，对于nn.Linear
原创
2023-01-17 10:55:47
1814阅读
h1 { counter reset: h2counter; } h2 { counter reset: h3counter; } h3 { counter reset: h4counter; } h4 { counter reset: h5counter; } h5 { counter reset
原创
2021-04-30 22:28:17
759阅读
张量的创建及其基本类型 1.张量(Tensor)函数创建方法 张量最基本的创建方法和Numpy中创建Array的格式一样,都是创建函数(序列)的格式:张量创建函数: torch.tensor() import torch # 通过列表创建张量 t = torch.tensor([1,2]) # 通过 ...
转载
2021-08-19 13:43:00
504阅读
2评论
Pytorch 为什么每一轮batch需要设置optimizer.zero_grad 根据pytorch中的backward()函数的计算，当网络参量进行反馈时，梯度是被积累的而不是被替换掉；但是在每一个batch时毫无疑问并不需要将两个batch的梯度混合起来累积，因此这里就需要每个batch设置
原创
2021-07-09 15:32:09
488阅读
从上面例子可以看出，如果将其设置为True，那么将归并的维度依旧会保留，与原来的tensor数据维度一致，如果设置为False，那么改维度经过计算归并则会消失。我们使用一些torch模块中的函数时发现，有时会存在参数keepdim，该参数主要是在归并操作时使用的，为的就是保持原来维度不变。
原创
2023-01-17 02:19:39
104阅读
