YEY Blog

Life is a long long journey.

PyTorch 07：数据预处理 transforms 模块机制

PyTorch 学习笔记

Lecture 07 数据预处理 transforms 模块机制本节课我们将学习 PyTorch 中的图像预处理模块 —— transforms 的运行机制，以及常用的数据标准化方法 transforms.Normalize。 1. 数据预处理 transforms 机制 torchvision：计算机视觉工具包 torchvision.transforms：常用的图像预处理...

Posted by YEY on December 11, 2020

PyTorch 06：数据读取机制：Dataloader 与 Dataset

PyTorch 学习笔记

Lecture 06 数据读取机制：DataLoader 与 Dataset 本节课我们将学习 PyTorch 中的数据读取机制：Dataloader 与 Dataset。这里，我们将通过一个人民币二分类的例子来学习它们。 1. 人民币二分类任务：训练一个分类模型，使得其能够对第四套人民币中的 1 元和 100 元面额的纸币进行分类。回顾一下上节课中学习的机器学习的 5 个步...

Posted by YEY on December 10, 2020

PyTorch 05：autograd 与逻辑回归

PyTorch 学习笔记

Lecture 05 autograd 与逻辑回归本节课主要分为两部分：PyTorch 中的自动求导系统以及逻辑回归模型。我们知道，深度模型的训练就是不断地更新权值，而权值的更新需要求解梯度，因此，梯度在我们的模型训练过程中是至关重要的。然而，求解梯度通常十分繁琐，因此，PyTorch 中引入了自动求导系统帮助我们完成这一过程。在 PyTorch 中，我们无需手动计算梯度，只需要搭建好前...

Posted by YEY on December 9, 2020

PyTorch 04：计算图与动态图机制

PyTorch 学习笔记

Lecture 04 计算图与动态图机制本节课分为两部分：计算图和 PyTorch 中的动态图机制。在之前的课程中，我们学习了张量的创建和操作，而深度学习就是对张量进行一系列操作，随着操作种类和数量的增多，可能会导致各种意想不到的问题。例如：多个操作之间是并行还是顺序执行；如何协同不同底层设备；如何避免各种冗余操作等等。这些问题都会影响到我们的运算效率，甚至会引入一些不必要的 bug，计...

Posted by YEY on December 8, 2020

PyTorch 03：张量操作与线性回归

PyTorch 学习笔记

Lecture 03 张量操作与线性回归 1. 张量操作 1.1 张量拼接与切分 torch.cat() 功能：将张量按维度 dim 进行拼接。 1 2 3 4 5 torch.cat( tensors, dim=0, out=None ) 主要参数： tensors：张量序列。 dim：要拼接的维度。 torch.stack() 功能：...

Posted by YEY on December 7, 2020