深度学习框架PyTorch:入门与实践 学习(一)
从今天起要从头开始学习PyTorch了,在此记下笔记。
PyTorch 入门第一步
Tensor
import Torch as t
x = t.tensor(5,3)#生成5*3的矩阵
print(x.size())# 输出x的维度
print(x.size()[0]) #输出x的第0维
print(x.size(0))# 输出x的第0维y = t.rand(5,3)# 生成0-1之间的随机数矩阵
# 加法
x + y
t.add(x,y)
result = t.rand(5,3)
t.add(x,y,out=result)
inplace
y.add(x)#不改变y的值
y.add_(x)# 改变y的值
函数名带下划线的会修改Tensor本身,x.add(y),x.t()会返回一个新的Tensor,而x不变,但x.add_(y)改变x。
Tensor 与 numpy
tensor转numpy
a = t.tensor(5,3)
b = a.numpy()
numpy 转 tensor
import numpy as np
a = np.ones(5)
b = t.from_numpy(a)
转换之后,因为tensor和numpy共享内存,所以一个改变另一个也会被改变。
AutoGrad自动微分
Variable
data:tensor
grad:存梯度,也是一个variable
gradfn:function,反向传播计算输入的梯度
from torch.autograd import Variable
x = Variable(t.ones(2,2),require_grad=True)
y = x.sum()
y.backward()
print(x.grad)
# 1, 1
# 1, 1
梯度在反向传播过程中是累加的,故每次反向传播都会累加之前的梯度,所以反向传播之前要把梯度清0.
x.grad.data.zero_()
神经网络
定义网络
- 继承nn.Module
- 实现nn.Module中forward方法
- 把具有可学习参数的层放在构造函数__init()__中(不可学习参数的层可放可不放)
import torch.nn as nn
import torch
import torch.nn.functional as F
from torch.autograd import Variableclass MyNet(nn.Module):def __init__(self):# nn.Module子类的函数必须在构造函数中执行父类的构造函数super(MyNet, self).__init__()self.first = nn.Conv2d(in_channels=3, out_channels=16, kernel_size=3)self.second = nn.Conv2d(in_channels=16, out_channels=32, kernel_size=3)self.Linear1 = nn.Linear(in_features=32*12*12, out_features=20)self.Linear2 = nn.Linear(in_features=20, out_features=1)def forward(self, x):x = self.first(x)x = F.relu(x)x = self.second(x)x = F.relu(x)x = x.view(x.size()[0], -1)x = self.Linear1(x)x = self.Linear2(x)return xNet = MyNet()
print(Net)
定义了forward函数之后,backward会被自动实现。
# 网络参数
params = list(Net.parameters())
print(len(params))
# Net.named_parameters()可返回可学习的参数和名称
for name, parameters in Net.named_parameters():print(name, ":", parameters.size())
forward函数的输入输出均是Variable
input = Variable(torch.rand((1, 3, 16, 16)))
out = Net(input)
print(out.size())
torch.nn只支持mini-natch,故输入必须是4维的,
损失函数
target = torch.rand((1, 1))
criterion = nn.MSELoss()
loss = criterion(out, target)
print(loss)
Net.zero_grad()
print("反向传播之前的梯度:", Net.first.bias.grad)
loss.backward()
print("反向传播之后的梯度:", Net.first.bias.grad)
优化器
import torch.optim as optim
optimizer = optim.Adam(Net.parameters, lr=0.01)
# 梯度先清零
optimizer.zero_grad()
out = Net(input)
print(out.size())target = torch.rand((1, 1))
criterion = nn.MSELoss()
loss = criterion(out, target)
loss.backward()
# 更新参数
optimizer.step()
数据加载与预处理
daraloader是可迭代的对象,将dataset返回的每一个样本拼接成一个batch,并提供多行程加速优化和代码打乱等。程序对dataset遍历完一遍之后,对dataloader也完成了一次迭代。
import torchvision as tv
import torch as t
import torchvision.transforms as transforms
from torchvision.transforms import ToPILImage
import torch.nn as nn
import torch
import torch.nn.functional as F
from torch.autograd import Variabletransform = transforms.Compose([transforms.ToTensor(),transforms.Normalize((0.5, 0.5, 0.5),(0.5, 0.5, 0.5)),])
trainset = tv.datasets.CIFAR10(root='F:/code/EDSR-PyTorch-master-png/',train=True, download=True, transform=transform)
trainloader = t.utils.data.DataLoader(trainset,batch_size=4,shuffle=True,num_workers=0
)
testset = tv.datasets.CIFAR10(root='F:/code/EDSR-PyTorch-master-png/',train=False, download=True, transform=transform)
testloader = t.utils.data.DataLoader(testset,batch_size=4,shuffle=False,num_workers=0
)
深度学习框架PyTorch:入门与实践 学习(一)相关推荐
- numpy pytorch 接口对应_拆书分享篇深度学习框架PyTorch入门与实践
<<深度学习框架PyTorch入门与实践>>读书笔记 <深度学习框架PyTorch入门与实践>读后感 小作者:马苗苗 读完<<深度学习框架PyTorc ...
- 深度学习框架Pytorch入门与实践——读书笔记
2 快速入门 2.1 安装和配置 pip install torch pip install torchvision#IPython魔术命令 import torch as t a=t.Tensor( ...
- 深度学习框架PyTorch入门与实践:第二章 快速入门
本章主要介绍两个内容,2.1节介绍如何安装PyTorch,以及如何配置学习环境:2.2节将带领读者快速浏览PyTorch中主要内容,给读者一个关于PyTorch的大致印象. 2.1 安装与配置 2.1 ...
- 深度学习框架PyTorch入门与实践:第八章 AI艺术家:神经网络风格迁移
本章我们将介绍一个酷炫的深度学习应用--风格迁移(Style Transfer).近年来,由深度学习引领的人工智能技术浪潮越来越广泛地应用到社会各个领域.这其中,手机应用Prisma,尝试为用户的照片 ...
- 深度学习框架PyTorch入门与实践:第七章 AI插画师:生成对抗网络
生成对抗网络(Generative Adversarial Net,GAN)是近年来深度学习中一个十分热门的方向,卷积网络之父.深度学习元老级人物LeCun Yan就曾说过"GAN is t ...
- 深度学习框架PyTorch入门与实践:第九章 AI诗人:用RNN写诗
我们先来看一首诗. 深宫有奇物,璞玉冠何有. 度岁忽如何,遐龄复何欲. 学来玉阶上,仰望金闺籍. 习协万壑间,高高万象逼. 这是一首藏头诗,每句诗的第一个字连起来就是"深度学习". ...
- 深度学习框架pytorch入门之张量Tensor(一)
文章目录 一.简介 二.查看帮助文档 三.Tensor常用方法 1.概述 2.新建方法 (1)Tensor(*sizes) tensor基础构造函数 (2)ones(*sizes) 构造一个全为1的T ...
- 深度学习框架PyTorch一书的学习-第四章-神经网络工具箱nn
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autogr ...
- 深度学习框架PyTorch一书的学习-第三章-Tensor和autograd-1-Tensor
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 Tensor Tensor可以是一个数 ...
- 好书分享——《深度学习框架PyTorch:入门与实践》
内容简介 : <深度学习框架PyTorch:入门与实践>从多维数组Tensor开始,循序渐进地带领读者了解PyTorch各方面的基础知识.结合基础知识和前沿研究,带领读者从零开始完成几个经 ...
最新文章
- C语言 字符串前加L的意义 如:L“A”
- [php-src]扩展中封装业务与 call_user_function 的使用建议
- AngularJS中关于ng-class和*ngIf指令
- 对List集合中的元素进行排序
- Redis应用场景汇总
- 日志管理-NLog日志框架简写用法
- 揭秘 DockerCon 重量级演讲嘉宾(四)
- 印象笔记打开错误_只会用手机自带便签?这三款笔记软件分分钟秒杀
- 马化腾评 Facebook 加密货币;苹果或将 15% 产能移出中国;Python 新版发布 | 极客头条...
- PowerPoint媒体更加适合这样的场合
- Spring Boot项目中使用 TrueLicense 生成和验证License(服务器许可)
- 基于小程序的定位健康打卡系统
- 购物直播系统搭建 新型电商开发方案
- python 中in
- C语言基础学习——基本数据类型(float型)
- amd cpu排行_目前cpu排行榜(2020cpu性能排名对比)
- META是什么意思?
- 0.1+0.2 为什么不等于0.3
- 股票个人交易接口源码分享
- 阿里技术团队是如何打造的?