📅  最后修改于: 2020-11-10 06:19:34        🧑  作者: Mango

PyTorch教程PyTorch教程专为初学者和专业人士设计。我们的教程提供了深度学习的所有基本和高级概念，例如深度神经网络和图像处理。PyTorch是深度学习的框架，它是基于Torch的Python机器学习包。本教程的设计方式使我们可以以非常有效的方式轻松地在PyTorch上实施深度学习项目。先决条件PyTorch完全基于Python。因此，必须具有Python的基本知识才能实现PyTorch项...

📅  最后修改于: 2020-11-10 06:20:35        🧑  作者: Mango

什么是Pytorch?PyTorch是基于Torch库的计算机软件的一小部分。这是Facebook推出的深度学习框架。 PyTorch是用于Python编程语言的机器学习库，可用于诸如自然语言处理之类的应用程序。PyTorch提供的高级功能如下：在图形处理单元(GPU)的帮助下，它以强大的加速度提供张量计算。它提供了基于基于磁带的自动差异系统构建的深度神经网络。PyTorch的开发旨在在实施和构建...

📅  最后修改于: 2020-11-10 06:21:58        🧑  作者: Mango

安装PyTorch对于安装，首先必须选择首选项，然后运行install命令。您可以在本地或与云合作伙伴一起开始安装。在下图中，Stable显示了最新支持的PyTorch(1.1)版本，适用于许多用户。如果您需要最新的1.1版本，但尚未经过全面测试和支持，则必须选择“预览(夜间)”。对于安装，必须满足适合您的软件包管理器的先决条件。我们建议您使用Anaconda软件包管理器，因为它会安装所有依赖项。...

📅  最后修改于: 2020-11-10 06:23:15        🧑  作者: Mango

PyTorch软件包PyTorch是针对使用CPU和GPU进行深度学习的优化张量库。 PyTorch有一组丰富的软件包，可用于执行深度学习概念。这些软件包可帮助我们进行优化，转换和损失计算等。让我们简要了解这些软件包。S.NoNameDescription1.TorchThe torch package includes data structure for multi-dimensional t...

📅  最后修改于: 2020-11-10 06:26:33        🧑  作者: Mango

PyTorch中的torch.nnPyTorch提供了torch.nn模块，以帮助我们创建和训练神经网络。我们将首先在MNIST数据集上训练基本神经网络，而无需使用这些模型的任何功能。我们将仅使用基本的PyTorch张量功能，然后一次从torch.nn中增量添加一个功能。<strong><em>torch.nn为我们提供了更多的类和模块来实现和训练神经网络。</em></strong>nn软件包包...

📅  最后修改于: 2020-11-10 06:27:38        🧑  作者: Mango

PyTorch基础必须了解使用PyTorch所需的所有基本概念。 PyTorch完全基于张量。张量具有要执行的操作。除了这些，还有许多其他概念需要执行任务。现在，逐一理解所有概念，以深入了解PyTorch。矩阵或张量张量是Pytorch的关键组件。可以说PyTorch完全基于张量。用数学术语来说，数字的矩形阵列称为度量。在Numpy库中，这些指标称为ndaaray。在PyTorch中，它被称为Te...

📅  最后修改于: 2020-11-10 06:28:41        🧑  作者: Mango

PyTorch与TensorFlow开始新项目时，需要了解PyTorch和TensorFlow之间的区别。当开发人员决定从事深度学习或机器学习研究时，图书馆起着至关重要的作用。根据一项调查，使用PyTorch的有1,616名ML开发人员和数据科学家，而使用TensorFlow的有3.4 ML开发人员。我们将基于以下因素比较这两个框架：1)起源PyTorch是基于Torch库的机器学习库。 Face...

📅  最后修改于: 2020-11-10 06:29:38        🧑  作者: Mango

张量介绍张量是Pytorch的关键组件。可以说PyTorch完全基于张量。在数学中，数字的矩形数组称为度量。在NumPy库中，这些指标称为ndaaray。在PyTorch中，它被称为Tensor。张量是n维数据容器。例如，在PyTorch中，1d张量是向量，2d张量是度量，3d张量是立方体，4d张量是立方体向量。Torch提供具有强大GPU加速功能的张量计算。我们必须熟悉张量数据结构才能使用PyT...

📅  最后修改于: 2020-11-10 06:30:41        🧑  作者: Mango

一维张量众所周知，PyTorch已被深度学习世界所接受，因为它具有方便地定义神经网络的能力。神经网络从根本上构成了传感器，而PyTorch也围绕传感器构建。性能往往会大大提高。张量模糊地是矩阵的一般化。一维张量类似于一维矩阵。一维张量只有一行一列，称为矢量。还有一个零维张量，也称为标量。现在我们将讨论在张量上执行的操作。我们也可以使用Google Colab编写Tensor的代码。访问Google...

📅  最后修改于: 2020-11-10 09:51:27        🧑  作者: Mango

向量运算我们知道Tensor具有不同类型的维度，例如零维度，一维和多维。向量是一维张量，要对其进行操纵，可以使用几种操作。向量运算具有不同的类型，例如数学运算，点积和线性空间。向量在深度学习中起着至关重要的作用。在深度学习神经网络中，我们借助矢量或一维张量生成随机点。在向量上执行以下操作。数学运算我们可以将张量与另一个张量进行加，减，乘和除。下表是对具有预期输出的向量执行的所有数学运算的表。S. ...

📅  最后修改于: 2020-11-10 09:52:26        🧑  作者: Mango

二维张量二维张量类似于二维度量。二维度量具有n行和n列。类似地，二维张量也具有n行和n列。二维张量具有以下表示灰度标量图像是像素的二维矩阵。每个像素的强度由介于0到255之间的数值表示，因此强度值0表示没有强度的事物完全为黑色，而255表示最大强度的事物为完全白色。我们可以存储此二维值网格。创建二维张量要创建二维张量，首先必须使用割炬的ranging()方法创建一维张量。此方法包含两个整数类型的参...

📅  最后修改于: 2020-11-10 09:53:21        🧑  作者: Mango

PyTorch的梯度在本节中，我们讨论了派生工具及其如何在PyTorch上应用。所以开始吧梯度用于查找函数的导数。用数学术语来说，导数表示部分区分函数并找到值。下面是如何计算函数导数的图。我们在上图中完成的工作将在带有渐变的PyTorch中完成。有以下步骤可以找到该函数的导数。1.我们首先要初始化函数(y = 3×3 + 5×2 + 7x + 1)，然后为其计算导数。2.下一步是设置函数使用的变量...

📅  最后修改于: 2020-11-10 09:54:20        🧑  作者: Mango

线性回归线性回归是一种通过最小化距离来找到因变量和自变量之间的线性关系的方法。线性回归是一种有监督的机器学习方法。该方法用于订单离散类别的分类。在本节中，我们将了解如何建立一个模型，用户可以通过该模型来预测因变量和自变量之间的关系。简单来说，我们可以说两个变量之间的关系(即独立或因变量)被称为线性。假设Y为因变量，X为自变量，则这两个变量的线性回归关系为Y = AX + bA是斜率。b是y截距。初...

📅  最后修改于: 2020-11-10 09:55:20        🧑  作者: Mango

预测和线性分类在此，我们简要介绍了如何实现基于机器学习的算法，以训练线性模型来拟合一组数据点。为此，无需具备任何深度学习的先验知识。我们将从讨论监督学习开始。我们将讨论监督学习的概念及其与之的关系。机器学习机器学习是AI的一种应用。机器学习(ML)使系统能够借助经验自动学习和改进。 ML专注于计算机程序的开发，该程序可以访问数据并将其用于自身学习。学习的过程始于数据或观察，例如示例，说明或直接经验...

📅  最后修改于: 2020-11-11 00:39:15        🧑  作者: Mango

使用自定义模块创建数据模型还有另一种查找预测的方法。在上一节中，我们使用forward()和实现线性模型来找到预测。此方法非常有效且可靠。很容易理解和实施。在自定义模块中，我们使用类创建一个自定义模块，它是init()和forward()方法和模型。 init()方法用于初始化该类的新实例。在此init()方法中，第一个参数是self，它指示该类的实例(该对象尚未初始化)，而在其自身之后，我们可以...