分类：PyTorch

2020
11-16

使用Pytorch搭建模型的步骤

本来是只用Tenorflow的，但是因为TF有些Numpy特性并不支持，比如对数组使用列表进行切片，所以只能转战Pytorch了（pytorch是支持的）。还好Pytorch比较容易上手，几乎完美复制了Numpy的特性（但还有一些特性不支持），怪不得热度上升得这么快。1  模型定义和TF很像，Pytorch也通过继承父类来搭建自定义模型，同样也是实现两个方法。在TF中是__init__()和call()，在Pytorch中则是__init__()和forward()。功能类似... 继续阅读 >

2020
10-30

pytorch 移动端部署之helloworld的使用

开始安装Androidstudio4.1克隆此项目gitclonehttps://github.com/pytorch/android-demo-app.git使用androidstudio打开android-demo-app中的HelloWordApp打开之后androidstudio会自动创建依赖只需要等待即可这个代码已经是官方写好的故而开一下官方教程中的代码都在什么位置这句repositories{jcenter()}dependencies{implementation'org.pytorch:pytorch_android:1.4.0'implementation'org.pytorch:pytorch_andro... 继续阅读 >

2020
10-28

如何使用Pytorch搭建模型

1  模型定义和TF很像，Pytorch也通过继承父类来搭建模型，同样也是实现两个方法。在TF中是__init__()和call()，在Pytorch中则是__init__()和forward()。功能类似，都分别是初始化模型内部结构和进行推理。其它功能比如计算loss和训练函数，你也可以继承在里面，当然这是可选的。下面搭建一个判别MNIST手写字的Demo，首先给出模型代码：importnumpyasnpimportmatplotlib.pyplotaspltimporttorchfromtorchi... 继续阅读 >

2020
10-18

Anaconda+spyder+pycharm的pytorch配置详解(GPU)

第一步：从清华大学开源软件镜像站下载Anaconda：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=D安装过程中需要勾选如下图装好后测试是否装好，先配置环境变量（可能anaconda安装好后自己就有了）打开CMD，输入代码condalist回车出现包的信息则说明安装完成打开AnacondaNavigator（桌面没有的话就点击左下角看最近添加）可以看到spyder已经下好了第二步：下载CUDA（GPU）注意：没有NVIDA的显卡是不能使... 继续阅读 >

2020
10-10

简述python&pytorch 随机种子的实现

随机数广泛应用在科学研究,但是计算机无法产生真正的随机数,一般成为伪随机数.它的产生过程:给定一个随机种子(一个正整数),根据随机算法和种子产生随机序列.给定相同的随机种子,计算机产生的随机数列是一样的(这也许是伪随机的原因).随机种子是什么？随机种子是针对随机方法而言的。随机方法：常见的随机方法有生成随机数，以及其他的像随机排序之类的，后者本质上也是基于生成随机数来实现的。在深度学习中，比较常用的... 继续阅读 >

2020
10-10

Pytorch 扩展Tensor维度、压缩Tensor维度的方法

1.扩展Tensor维度相信刚接触Pytorch的宝宝们，会遇到这样一个问题，输入的数据维度和实验需要维度不一致，输入的可能是2维数据或3维数据，实验需要用到3维或4维数据，那么我们需要扩展这个维度。其实特别简单，只要对数据加一个扩展维度方法就可以了。1.1torch.unsqueeze(self:Tensor,dim:_int)torch.unsqueeze(self:Tensor,dim:_int)参数说明：self:输入的tensor数据，dim：要对哪个维度扩展就输入那个维度的... 继续阅读 >

2020
10-10

pytorch使用horovod多gpu训练的实现

pytorch在Horovod上训练步骤分为以下几步：importtorchimporthorovod.torchashvd#InitializeHorovod初始化horovodhvd.init()#PinGPUtobeusedtoprocesslocalrank(oneGPUperprocess)分配到每个gpu上torch.cuda.set_device(hvd.local_rank())#Definedataset...定义datasettrain_dataset=...#PartitiondatasetamongworkersusingDistributedSampler对dataset的采样器进行调整，使用torch.utils.data.d... 继续阅读 >

2020
10-10

Pytorch生成随机数Tensor的方法汇总

在使用PyTorch做实验时经常会用到生成随机数Tensor的方法，比如：torch.rand()torch.randn()torch.normal()torch.linespace()均匀分布torch.rand(*sizes,out=None)→Tensor返回一个张量，包含了从区间[0,1)的均匀分布中抽取的一组随机数。张量的形状由参数sizes定义。参数:sizes(int…)-整数序列，定义了输出张量的形状out(Tensor,optinal)-结果张量torch.rand(2,3)[[0.08360.61510.6958],[0.69980.25600... 继续阅读 >

2020
10-10

详解pytorch中squeeze()和unsqueeze()函数介绍

squeeze的用法主要就是对数据的维度进行压缩或者解压。先看torch.squeeze()这个函数主要对数据的维度进行压缩，去掉维数为1的的维度，比如是一行或者一列这种，一个一行三列（1,3）的数去掉第一个维数为一的维度之后就变成（3）行。squeeze(a)就是将a中所有为1的维度删掉。不为1的维度没有影响。a.squeeze(N)就是去掉a中指定的维数为一的维度。还有一种形式就是b=torch.squeeze(a，N)a中去掉指定的定的维数为一的维度。再看torc... 继续阅读 >

2020
10-10

PyTorch中Tensor的数据类型和运算的使用

   在使用Tensor时，我们首先要掌握如何使用Tensor来定义不同数据类型的变量。Tensor时张量的英文，表示多维矩阵，和numpy对应，PyTorch中的Tensor可以和numpy的ndarray相互转换，唯一不同的是PyTorch可以在GPU上运行，而numpy的ndarray只能在cpu上运行。     常用的不同数据类型的Tensor，有32位的浮点型torch.FloatTensor, 64位浮点型torch.DoubleTensor, 16位整形... 继续阅读 >

2020
10-10

详解pytorch tensor和ndarray转换相关总结

在使用pytorch的时候，经常会涉及到两种数据格式tensor和ndarray之间的转换，这里总结一下两种格式的转换：1.tensorcpu和tensorgpu之间的转化：tensorcpu转为tensorgpu：tensor_gpu=tensor_cpu.cuda()>>>tensor_cpu=torch.ones((2,2))tensor([[1.,1.],[1.,1.]])>>>tensor_gpu=tensor_cpu.cuda()tensor([[1.,1.],[1.,1.]],device='cuda:0')tensorgpu转为tensorcpu：tensor_cpu=tensor_gpu.cuda()... 继续阅读 >

2020
10-10

Pytorch之Tensor和Numpy之间的转换的实现方法

为什么要相互转换：1.要对tensor进行操作，需要先启动一个Session,否则，我们无法对一个tensor比如一个tensor常量重新赋值或是做一些判断操作，所以如果将它转化为numpy数组就好处理了。下面一个小程序讲述了将tensor转化为numpy数组，以及又重新还原为tensor：2.Torch的Tensor和numpy的array会共享他们的存储空间，修改一个会导致另外的一个也被修改。学习链接：https://github.com/chenyuntc/pytorch-book特别提醒[注意Tensor... 继续阅读 >

2020
10-10

PyTorch 导数应用的使用教程

前言由于机器学习的基本思想就是找到一个函数去拟合样本数据分布,因此就涉及到了梯度去求最小值,在超平面我们又很难直接得到全局最优值,更没有通用性,因此我们就想办法让梯度沿着负方向下降,那么我们就能得到一个局部或全局的最优值了,因此导数就在机器学习中显得非常重要了基本使用tensor.backward()可以及自动将梯度累加积到tensor.grad上x=torch.ones(3,3)print(x.requires_grad)x.requires_grad_(True)print(x.requires_grad... 继续阅读 >

2020
10-10

PyTorch安装与基本使用详解

什么要学习PyTorch?有的人总是选择,选择的人最多的框架,来作为自己的初学框架,比如Tensorflow,但是大多论文的实现都是基于PyTorch的,如果我们要深入论文的细节,就必须选择学习入门PyTorch安装PyTorch一行命令即可官网pipinstalltorch===1.6.0torchvision===0.7.0-https://download.pytorch.org/whl/torch_stable.html时间较久,耐心等待测试自己是否安装成功运行命令测试importtorchx=torch.rand(5,3)print(x)输出tens... 继续阅读 >

2020
10-09

torchxrayvision包安装过程（附pytorch1.6cpu版安装）

torchxrayvision包安装过程（附pytorch1.6cpu版安装）torchxrayvision是一个尚待完整的包，里面有X光胸片的数据和模型，包括一些预训练模型，在利用深度学习检验新冠肺炎阴阳性时有一些作用。本机环境，anaconda3，win1064位，原python版本3.8.3配置虚拟环境同安装TensorFlow一样，我们也希望有一个独立的虚拟环境来运行pytorch，直接用conda指令配置会比较慢，这里选择更换源。condaconfig--addchannelshttps://mirrors.ustc... 继续阅读 >

2020
10-09

PyTorch如何搭建一个简单的网络

1任务首先说下我们要搭建的网络要完成的学习任务：让我们的神经网络学会逻辑异或运算，异或运算也就是俗称的“相同取0，不同取1”。再把我们的需求说的简单一点，也就是我们需要搭建这样一个神经网络，让我们在输入（1,1）时输出0，输入（1,0）时输出1（相同取0，不同取1），以此类推。2实现思路因为我们的需求需要有两个输入，一个输出，所以我们需要在输入层设置两个输入节点，输出层设置一个输出节点。因为问题比较简单，所... 继续阅读 >