Pytorch 深度学习运行代码简单教程

Pytorch 是一个机器深度学习框架，易于上手，个人感觉比 tensorflow要友好。
Pytorch的深度学习程序分三个模块，实现三个功能，分别是取数据、建模型、运行程序。一般是分三个.py文件写，当然也可以写在一个文件里。我喜欢写成三个文件，这样看着比较方便点，而且Pytorch把这三个功能都写的挺好的，自己用的时候继承稍微改一下就好了。

其实深度学习的最终目标，就像求 y = f ( x ) y = f(x) y=f(x) 这个公式中 f ( x ) f(x) f(x) 的最佳参数一样：

首先我们会有很多很多的 ( x , y ) (x, y) (x,y)，它们都是一一对应的 (尽量不要出现一个 x x x对应多个 y y y，这样会让 f ( x ) f(x) f(x) 捉摸不透的)，那么我们第一个文件就是如何把 ( x , y ) (x, y) (x,y) 弄成一对一对的，送入到 f ( x ) f(x) f(x) 里。
( x , y ) (x, y) (x,y) 解决了，接下来就是定义 f ( x ) f(x) f(x) 的形式了，具体是怎么表达的，比如 f ( x ) = 2 x f(x)=2x f(x)=2x …，所以就需要另一个文件来定义 f ( x ) f(x) f(x) 了，就是所谓的模型了。
现在我们手头上有了成对的 ( x , y ) (x, y) (x,y) 了，也有了确定结构的 f ( x ) f(x) f(x) 。最后就是让两者联系起来，把 ( x , y ) (x, y) (x,y) 送入到 f ( x ) f(x) f(x)里，接着得到结果，求 目标 y y y 和 预测 y y y 之间的差距，一般就是平方差之类的，然后拿着这个差值去进行更新 f ( x ) f(x) f(x) 里的参数，也就是后向传播。

1、数据处理

继承Dataset就可以了，直接上代码

from torch.utils.data import Datasetclass DataSet_h(Dataset):def __init__(self):super(DataSet_h, self).__init__()# 这里的数组就是我们取实际的数据了self.Arr = [(x1, y1), (x2, y2)...]def __len__(self):# 数组的长度return len(self.Arr)def __getitem__(self, item):# 取数据的时候要按着自己定义模型需要来，一般都会有x, yx = self.Arr[item][0]y = self.Arr[item][1]return x, y

2、模型搭建

继承nn.Module就可以了，直接上代码

import torch.nn as nnclass Model_h(nn.Module):def __init__(self):super(Model_h, self).__init__()self.fc = nn.Linear(10, 5)def forward(self, inputs):return self.fc(inputs)

3、训练文件

直接上代码

from torch.utils.data import DataLoader
from Model import Model_h  # 引入定义模型
import DataSet_h  # 引入数据处理
# 定义我们的模型
model = Model_h()
# 定义我们优化器，就理解成用来更新模型参数的
optimizer = torch.optim.Adam(model.parameters(), lr=0.0001)
# 将数据装载如Pytorch定义好的数据驱动器中
trainDataSet = DataSet_h.DataSet_h()
trainDataLoader = DataLoader(trainDataSet, batch_size=2)
for i, batch in enumerate(trainDataLoader):x, y = batchy_pre = model(x)# 当然Pytorch一般会给我们提供很多很好的损失函数，这里就用➖来说明意思loss = y_pre - y  # 然后就是经典三步走了，清空、反传、更新。optimizer.zero_grad()loss.backward()optimizer.step()

最基本的意思就是这样，我还没试代码能不能跑，不过想法通了，代码的小问题都不是事儿了。

Pytorch 深度学习运行代码简单教程相关推荐

PyInstaller打包深度学习模型代码详细教程
前言:由于工作需求,需要使用Pyinstaller库将Python脚本打包成exe文件,特此花几天时间查找资料,进行实验.将过程做个梳理,记录下来,方便自己和他人日后查询. 目录一.安装PyInst ...
Pytorch深度学习实战教程：UNet语义分割网络
1 前言本文属于Pytorch深度学习语义分割系列教程. 该系列文章的内容有: Pytorch的基本使用语义分割算法讲解本文的开发环境如下: 开发环境:Windows 开发语言:Python3. ...
Pytorch 深度学习实战教程（二）：UNet语义分割网络
本文 GitHub https://github.com/Jack-Cherish/PythonPark 已收录,有技术干货文章,整理的学习资料,一线大厂面试经验分享等,欢迎 Star 和完善. 一 ...
Pytorch深度学习实战教程（二）：UNet语义分割网络
1 前言本文属于Pytorch深度学习语义分割系列教程. 该系列文章的内容有: Pytorch的基本使用语义分割算法讲解如果不了解语义分割原理以及开发环境的搭建,请看该系列教程的上一篇文章< ...
【Pytorch深度学习实践】B站up刘二大人之BasicCNN Advanced CNN -代码理解与实现(9/9)
这是刘二大人系列课程笔记的最后一个笔记了,介绍的是 BasicCNN 和 AdvancedCNN ,我做图像,所以后面的RNN我可能暂时不会花时间去了解了: 写在前面: 本节把基础个高级CNN放在一 ...
5天玩转PyTorch深度学习，从GAN到词嵌入都有实例丨教程资源
郭一璞发自凹非寺量子位报道 | 公众号 QbitAI 学PyTorch深度学习,可能5天就够了. 法国深度学习研究者Marc Lelarge出品的这套名为<Hands-on tour ...
在conda虚拟环境中配置cuda+cudnn+pytorch深度学习环境（新手必看！简单可行！）
本人最近接触深度学习,想在服务器上配置深度学习的环境,看了很多资料后总结出来了对于新手比较友好的配置流程,创建了一个关于深度学习环境配置的专栏,包括从anaconda到cuda到pytorch的一系列 ...
笔记|（b站）刘二大人：pytorch深度学习实践（代码详细笔记，适合零基础）
pytorch深度学习实践笔记中的代码是根据b站刘二大人的课程所做的笔记,代码每一行都有注释方便理解,可以配套刘二大人视频一同使用. 用PyTorch实现线性回归 # 1.算预测值 # 2.算los ...
实战例子_Pytorch官方力荐新书《Pytorch深度学习实战指南》pdf及代码分享
PyTorch是目前非常流行的机器学习.深度学习算法运算框架.它可以充分利用GPU进行加速,可以快速的处理复杂的深度学习模型,并且具有很好的扩展性,可以轻松扩展到分布式系统.PyTorch与Pytho ...

Pytorch 深度学习运行代码简单教程

1、数据处理

2、模型搭建

3、训练文件

Pytorch 深度学习运行代码简单教程相关推荐

最新文章

热门文章