ps做网站首页,花卉网站建设策划方案,开发一个公司官网大概多少钱,wordpress主题开发过程系列文章目录 文章目录 系列文章目录一、torch.nn 库1. nn.Parameter2. 基于nn.Moduel 的接口3. nn.functional4.nn.Sequential 二、调式visdom1. vidom 功能简介2. visdom 安装visdom 简单编程三、tensorboardX 数据可视化工具 一、torch.nn 库 torch.nn 是专门为神经网络设计…系列文章目录 文章目录 系列文章目录一、torch.nn 库1. nn.Parameter2. 基于nn.Moduel 的接口3. nn.functional4.nn.Sequential 二、调式visdom1. vidom 功能简介2. visdom 安装visdom 简单编程三、tensorboardX 数据可视化工具 一、torch.nn 库 torch.nn 是专门为神经网络设计的接口torch.nn 构建于 autograd 之上可以用来定义和构建神经网络。 五个常用的函数 nn.Patameter nn.Linear nn.cov2d nn.functional nn.Model nn.Sequential 1. nn.Parameter 该接口来定义可训练参数
self.my_param nn.Parameter(torch.randn(1)) 定义和初始化参数self.register_parameter 注册可训练参数效果一致nn.ParameterList nn.ParameterDict 使用列表或者字典来定义多个可训练的参数。
import torch
from torch import nnself.paramas nn.ParameterList([nn.Parameter(torch.randn(10,10)) for i in range(10)])self.grads nn.ParameterDisct({left: nn.Parameter(torch.randn(5,10)),right: nn.Parameter(torch.randn(5.10))
})列表和字典与我们Python定义的数据结构是一样的。
2. 基于nn.Moduel 的接口 nn.Linear nn.conv2d nn.ReLU nn.MaxPool2d() nn.MESLoos这些函数都基于 nn.Module,实现了前向传播和后向传播我们直接调用就行非常省事
各种神经网络层的定义基于 nn.Module 的子类 self.conv1 nn.Conv2d(1,6,(5,5)) 定义一个卷积类初始化卷积的具体参数。调用时 self.conv1(x) 调用这个卷积类进行一次卷积操作前向运算。 定义网络层参数为Parameter 类型也叫可训练类型的参数 lay nn.Linear(1,1)lay.weight nn.Parameter(torch.FloatTensor([[0]]))lay.bias nn.Parameter(torch.FloatTensor([0]))
3. nn.functional 包含 torch.nn 库中所有的函数包含大量的 Loss 和 activation function:
nn.functional.conv2d(input,weight,bias None,Stride 1,padding 0,dialtion 1,groups 1) 这个是函数不是类与上面有本质的区别nn.functional.xx 本质上就是一个函数接口无法和 nn.Sequential 结合使用。没有学习参数使用 nn.xx 和 nn.functional.xx 都可以有学习参数就建议使用 nn.xx.特别注意 DropOut 层。
4.nn.Sequential 作用就是把层次给串联起来形成一个模型
# Example of use Sequential
model nn.Sequential(nn.Conv2d(1, 5, 10),nn.ReLU(),nn.Conv2d(1, 5, 10),nn.ReLU(),
)# Example of using Sequential with OrderedDict
model1 nn.Sequential(OrderedDict([(conv1, nn.Conv2d(1, 5, 10)),(relu1:nn.ReLu()),(conv2, nn.Conv2d(20, 64, 5)),(relu2:nn.ReLu())
]))二、调式visdom
1. vidom 功能简介 visdom 主要应用于我们展示神经网络运行的中间过程一些中间结果检测结果的变化过程可视化等等。我们可以将 visdom 理解成一个库
支持数值、文本、视频等可视化。支持 pyotorch、torch、numpy
图1 例举了数据可视化的一些图表通过这些可视化的图表我们可以更加直观的看出数据的变化规律看起来就很专业。 图 1 数据可视化 2. visdom 安装 安装 pip install visdom 启动服务: python -m visdom.server visdom 简单编程
import visdom
import numpy as np
vis visdom.Visdom()
vis.text(hello,四川兔兔)
vis.image(np.ones((3,10,10)))具体的实例展示在搭建神经网络章节后面会完善这篇文章。
三、tensorboardX 数据可视化工具 这个工具是基于tensorboard专门用于pytorch的数据可视化 1.支持 scalar, image, figure, histogram, audio, text, graph等等不同的可视化展示方式 2. 安装pip install tensorboardX 最后如果本文有帮助帮我点击小店吧浏览下就行谢谢朋友们。
