22 docs tagged with "Pytorch"

① 损失函数调用backward方法，就可以调用损失函数的反向传播方法，就可以求出我们需要调节的梯度，我们就可以利用我们的优化器就可以根据梯度对参数进行调整，达到整体误差降低的目的。

① Python3.6.3相当于一个package，package里面有不同的区域，不同的区域有不同的工具。

① Pytorch中加载数据需要Dataset、Dataloader。

① Anaconda相当于一个工具包，安装了Anaconda相当于安装了很多工具。

① Tensorboad 可以用来查看loss是否按照我们预想的变化，或者查看训练到某一步输出的图像是什么样。

① Transforms当成工具箱的话，里面的class就是不同的工具。例如像totensor、resize这些工具。

① GPU训练主要有三部分，网络模型、数据(输入、标注)、损失函数，这三部分放到GPU上。

① nn.Module是对所有神经网络提供一个基本的类。

① torchvision中有很多数据集，当我们写代码时指定相应的数据集指定一些参数，它就可以自行下载。

① 最大池化层有时也被称为下采样。

① Dataset只是去告诉我们程序，我们的数据集在什么位置，数据集第一个数据给它一个索引0，它对应的是哪一个数据。

① 卷积核不停的在原图上进行滑动，对应元素相乘再相加。

cuda

① 下面用 CIFAR 10 model网络来完成分类问题，网络模型如下图所示。

① Loss损失函数一方面计算实际输出和目标之间的差距。

① Conv1d代表一维卷积，Conv2d代表二维卷积，Conv3d代表三维卷积。

① 把网络结构放在Sequential里面，好处就是代码写起来比较简介、易懂。

① inplace为原地替换，若为True，则变量的值被替换。若为False，则会创建一个新变量，将函数处理后的值赋值给新变量，原始变量的值没有修改。

① 神经网络训练的就是函数系数$K_$与d。

ok

VGG(

① 首先打开 Anaconda 的 Prompt 终端，输入 jupyter kernelspec list，查看已经安装的 python 版本。如下图所示，只有 Anaconda 自带的 python3。