PyTorch 搭建CNN网络模型 手写数字识别 模型保存及加载

PyTorch 搭建CNN网络模型 手写数字识别 模型保存及加载

import torch

import torch.nn as nn

from torch.autograd import Variable

import torch.utils.data as Data

import torchvision

import matplotlib.pyplot as plt

import os

# 批训练加速模型的训练速度

EPOCH = 1

# 定义批次训练的batch数

BATCH_SIZE = 50

# 定义

yolov5 环境搭建 训练自己的数据集 检查口罩

yolov5 环境搭建 训练自己的数据集 检查口罩

一、环境搭建

1、下载YOLOv5代码。https://github.com/ultralytics/yolov5

目录结构:

tutorial.ipynb(可以用jupyter notebook打开)。

2、安装依赖包。根据requirements.txt按需安装 或者 默认安装。

pip install -r requirements.txt

3、权重文件yolov5s.pt默认不存在,可以手动下载。访问https://github.com/ultraly

pytorch torch.unsqueeze 和 torch.squeeze 用法

pytorch torch.unsqueeze 和 torch.squeeze 用法

1. torch.unsqueeze 详解

# torch.unsqueeze(input, dim, out=None)

# 作用:扩展维度

# 返回一个新的张量,对输入的既定位置插入维度 1

# 注意:返回张量与输入张量共享内存,所以改变其中一个的内容会改变另一个。

# 参数:

# tensor (Tensor) – 输入张量

# dim (int) – 插入维度的索引

# out (Tensor, optional) – 结果张量

import torc

深度学习框架PyTorch安装

深度学习框架PyTorch安装

深度学习框架PyTorch安装

1、访问 https://pytorch.org/get-started/locally/

2、选择版本、操作系统、安装的平台、语言、计算平台。

3、cmd中执行:

使用国外源:用时超过24小时

pip3 install torch torchvision torchaudio –extra-index-url https://download.pytorch.org/whl/cu116

使用国内源:用时10分钟左右

pip i