PyTorch 激励函数 Sigmoid ReLU Tanh

PyTorch 激励函数 Sigmoid ReLU Tanh

一、Sigmoid ReLU Tanh 定义

1、Sigmoid。Sigmoid函数也叫Logistic函数,用于隐层神经元输出,取值范围为(0,1),它可以将一个实数映射到(0,1)的区间,可以用来做二分类。

import torch

import matplotlib

import matplotlib.pyplot as plt

import math

plt.figure(figsize=(15,8))

# 指定默认字体

matplotlib.

PyTorch empty rand zeros ones randn_like 张量 用法

PyTorch empty rand zeros ones randn_like 张量 用法

import torch

# 创建一个未初始化的5×3张量

print(‘1、创建一个未初始化的5×3张量’)

x = torch.empty(5, 3)

print(x)

# 创建一个随机初始化的5×3张量

print(‘2、创建一个随机初始化的5×3张量’)

y = torch.rand(5, 3)

print(y)

# 创建一个5×3的0张量,类型为long

print(‘3、创建一个5×3的0张量,类型为long’)

z = torch.

PyTorch with torch.no_grad 用法

PyTorch with torch.no_grad 用法

在PyTorch中,tensor有一个requires_grad参数,如果设置为True,则反向传播时,该tensor就会自动求导。

tensor的requires_grad的属性默认为False,若一个节点(叶子变量:自己创建的tensor)requires_grad被设置为True,那么所有依赖它的节点requires_grad都为True(即使其他相依赖的tensor的requires_grad = False)。

当requires_grad设置为False时,反向传播时就不会自

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

什么是深度学习?

什么是深度学习?

深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向,它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。

深度学习是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。 深度学习是一个复杂的机器学习算法,在语音和图像识别方面