torch专题

pytorch torch.nn.functional.one_hot函数介绍

pytorch torch.nn.functional.one_hot函数介绍

torch.nn.functional.one_hot 是 PyTorch 中用于生成独热编码（one-hot encoding）张量的函数。独热编码是一种常用的编码方式，特别适用于分类任务或对离散的类别标签进行处理。该函数将整数张量的每个元素转换为一个独热向量。 函数签名 torch.nn.functional.one_hot(tensor, num_classes=-1) 参数 t
阅读更多...
torch.nn 与 torch.nn.functional的区别？

torch.nn 与 torch.nn.functional的区别？

区别 PyTorch中torch.nn与torch.nn.functional的区别是：1.继承方式不同；2.可训练参数不同；3.实现方式不同；4.调用方式不同。 1.继承方式不同 torch.nn 中的模块大多数是通过继承torch.nn.Module 类来实现的，这些模块都是Python 类，需要进行实例化才能使用。而torch.nn.functional 中的函数是直接调用的，无需
阅读更多...
torch.backends.cudnn.benchmark和torch.use_deterministic_algorithms总结学习记录

torch.backends.cudnn.benchmark和torch.use_deterministic_algorithms总结学习记录

经常使用PyTorch框架的应该对于torch.backends.cudnn.benchmark和torch.use_deterministic_algorithms这两个语句并不陌生，在以往开发项目的时候可能专门化花时间去了解过，也可能只是浅尝辄止简单有关注过，正好今天再次遇到了就想着总结梳理一下。 torch.backends.cudnn.benchmark 是 PyTorch 中的一个设置
阅读更多...
【稀疏矩阵】使用torch.sparse模块

【稀疏矩阵】使用torch.sparse模块

文章目录 稀疏矩阵的格式coocsrcsc Construction of Sparse COO tensorsConstruction of CSR tensorsLinear Algebra operations（稀疏与稠密之间混合运算）Tensor methods and sparse（与稀疏有关的tensor成员函数）coo张量可用的tensor成员函数（经实测，csr也有一些可以用
阅读更多...
【PyTorch】深入解析 `with torch.no_grad():` 的高效用法

【PyTorch】深入解析 `with torch.no_grad():` 的高效用法

🎬 鸽芷咕：个人主页  🔥 个人专栏: 《C++干货基地》《粉丝福利》 ⛺️生活的理想，就是为了理想的生活! 文章目录 引言一、`with torch.no_grad():` 的作用二、`with torch.no_grad():` 的原理三、`with torch.no_grad():` 的高效用法3.1 模型评估3.2 模型推理3.3
阅读更多...
【PyTorch常用库函数】torch.add()：张量的加法操作

【PyTorch常用库函数】torch.add()：张量的加法操作

🎬 鸽芷咕：个人主页  🔥 个人专栏: 《C++干货基地》《粉丝福利》 ⛺️生活的理想，就是为了理想的生活! 文章目录 前言一 、torch.add()函数的基本用法二、示例演示示例1：两个相同形状的一维张量相加示例2：两个不同形状的一维张量相加（错误示例）示例3：使用alpha参数进行加权加法 结尾 前言 PyTorch作为一
阅读更多...
PyTorch常用库函数：torch.acos()的详解实战使用

PyTorch常用库函数：torch.acos()的详解实战使用

🎬 鸽芷咕：个人主页  🔥 个人专栏: 《C++干货基地》《粉丝福利》 ⛺️生活的理想，就是为了理想的生活! 文章目录 引言一、函数简介1.2 函数语法1.3 参数说明 二、 示例代码2.1 注意事项 总结 引言 PyTorch 是一个流行的深度学习框架，它提供了丰富的库函数，用于处理张量（多维数组）的各种操作。在科学计算和深度
阅读更多...
error：from torch.jit.annotations import Optional ImportError: cannot import name ‘Optional’

error：from torch.jit.annotations import Optional ImportError: cannot import name ‘Optional’

解决方案：安装pytorch1.0 要对应安装torchvision0.2.0
阅读更多...
【pytorch】torch、torchaudio、torchvision版本对应关系

【pytorch】torch、torchaudio、torchvision版本对应关系

在官网查询版本对应关系 https://pytorch.org/get-started/previous-versions/
阅读更多...
【Python报错已解决】“ModuleNotFoundError: No module named ‘torch_scatter‘”

【Python报错已解决】“ModuleNotFoundError: No module named ‘torch_scatter‘”

🎬 鸽芷咕：个人主页  🔥 个人专栏: 《C++干货基地》《粉丝福利》 ⛺️生活的理想，就是为了理想的生活! 文章目录 引言：一、问题描述1.1 报错示例：1.2 报错分析：1.3 解决思路： 二、解决方法2.1 方法一：使用pip安装torch_scatter2.2 步骤二：使用conda安装torch_scatter（如果适用） 三、其
阅读更多...
解决方案：在autodl环境下为什么已安装torch打印出来版本号对应不上

解决方案：在autodl环境下为什么已安装torch打印出来版本号对应不上

文章目录 一、现象二、解决方案 一、现象 平台：autodl 镜像：PyTorch 2.0.0 Python 3.8(ubuntu20.04) Cuda 11.8 GPU：A40(48GB) * 1 CPU：15 vCPU AMD EPYC 7543 32-Core Processor 内存：80GB 安装torch:1.13.0环境，发现执行下面的命令行之后，也显示安装
阅读更多...
解决方案：在autodl环境下安装torch被killed掉

解决方案：在autodl环境下安装torch被killed掉

文章目录 一、现象二、解决方案 一、现象 平台：autodl 镜像：PyTorch 2.0.0 Python 3.8(ubuntu20.04) Cuda 11.8 GPU：A40(48GB) * 1 CPU：15 vCPU AMD EPYC 7543 32-Core Processor 内存：80GB 安装torch:1.13.0环境，发现执行下面的命令行都不行**（不行
阅读更多...
2015深度学习回顾：ConvNet、Caffe、Torch及其他

2015深度学习回顾：ConvNet、Caffe、Torch及其他

CVPR可谓计算机视觉领域的奥运会，这是vision.ai的Co-Founder，前MIT研究人员T. Malisiewicz针对CVPR'15尤其是Deep Learning的综述文章，谈到了ConvNet的Baseline，Caffe和Torch之间的分歧，ArXiv论文热，以及百度的ImageNet违规事件等。原文标题为：Deep down the rabbit hole: CVPR 20
阅读更多...
加速 PyTorch 模型：使用 ROCm 在 AMD GPU 上应用 torch.compile

加速 PyTorch 模型：使用 ROCm 在 AMD GPU 上应用 torch.compile

Accelerate PyTorch Models using torch.compile on AMD GPUs with ROCm — ROCm Blogs 介绍 PyTorch 2.0 引入了一个名为*torch.compile()*的工具，可以极大地加速 PyTorch 代码和模型。通过将 PyTorch 代码转换为高度优化的内核，`torch.compile` 在现有代码库上进行
阅读更多...
深度学习01：pytorch中model eval和torch no_grad()的区别

深度学习01：pytorch中model eval和torch no_grad()的区别

公众号：数据挖掘与机器学习笔记 主要区别如下： model.eval()会通知所有的网络层目前处于评估模式(eval mode)，因此，batchnorm或者dropout会以评估模式工作而不是训练模式。 在train模式下，dropout网络层会按照设定的参数p设置保留激活单元的概率（保留概率=p); batchnorm层会继续计算数据的mean和var等参数并更新。 在val模式下，dro
阅读更多...
【PyTorch常用库函数】一文向您详解 with torch.no_grad(): 的高效用法

【PyTorch常用库函数】一文向您详解 with torch.no_grad(): 的高效用法

🎬 鸽芷咕：个人主页  🔥 个人专栏: 《C++干货基地》《粉丝福利》 ⛺️生活的理想，就是为了理想的生活! 引言 在训练神经网络时，我们通常需要计算损失函数关于模型参数的梯度，以便通过梯度下降等优化算法更新参数。然而，在评估阶段，我们只关心模型的输出，而不需要更新参数。在这种情况下，使用 with torch.no_grad(): 上下文管
阅读更多...
【PyTorch常用库函数】一文教你快速上手torch.abs()函数：获取张量的绝对值

【PyTorch常用库函数】一文教你快速上手torch.abs()函数：获取张量的绝对值

🎬 鸽芷咕：个人主页  🔥 个人专栏: 《C++干货基地》《粉丝福利》 ⛺️生活的理想，就是为了理想的生活! 引言 在深度学习领域，PyTorch是一个非常受欢迎的框架，它提供了丰富的库函数来支持各种复杂的计算任务。今天，我们将深入探讨PyTorch中的一个基础但非常重要的函数：torch.abs()。这个函数用于计算张量（Tensor）中每
阅读更多...
【Pytorch】一文向您详尽解析 with torch.no_grad(): 的高效用法

【Pytorch】一文向您详尽解析 with torch.no_grad(): 的高效用法

【Pytorch】一文向您详尽解析 with torch.no_grad(): 的高效用法   下滑即可查看博客内容 🌈 欢迎莅临我的个人主页 👈这里是我静心耕耘深度学习领域、真诚分享知识与智慧的小天地！🎇 🎓 博主简介：985高校的普通本硕，曾有幸发表过人工智能领域的 中科院顶刊一作论文，熟练掌握PyTorch框架。 🔧 技术专长： 在CV、NLP及多模态等领域有丰富的项目
阅读更多...
AI自动采集教学行为——机器学习部分和深度学习部分（含torch和cuda）

AI自动采集教学行为——机器学习部分和深度学习部分（含torch和cuda）

文章目录 数据清洗机器学习深度学习代码没问题之后的文件下载 bert环境配置太麻烦 ，改用飞浆的bert 数据清洗 要遍历当前文件夹下从1.x1sx到8.x1sx的所有文件， 提取“句子”列，‘标注’列和‘上下文情境’这三列 按顺序把excel中的这三列拼接在一起。 合并输出成一个xlsx文件。 import osimport pandas as pd# 获取当前脚本所在
阅读更多...
PyTorch库学习之torch.nn.functional.interpolate(函数)

PyTorch库学习之torch.nn.functional.interpolate(函数)

PyTorch库学习之torch.nn.functional.interpolate(函数) 一、简介 torch.nn.functional.interpolate 是 PyTorch 中用于对张量进行上采样或下采样的函数。它支持多种插值方法，例如双线性插值、最近邻插值等，广泛用于图像处理、特征图缩放等场景。 二、语法和参数 语法 torch.nn.functional.inte
阅读更多...
深入理解PyTorch中的`torch.topk`函数！！！（个人总结，为了方便我自己复习，要是同时也能帮助到大家就更好了）

深入理解PyTorch中的`torch.topk`函数！！！（个人总结，为了方便我自己复习，要是同时也能帮助到大家就更好了）

torch.topk 深入理解PyTorch中的`torch.topk`函数1. `torch.topk`函数概述函数签名返回值 2. 基本用法示例1：找到一维张量的最大值示例2：在二维张量的指定维度上操作 3. 高级应用4. 结论 深入理解PyTorch中的torch.topk函数 在深度学习和数据处理中，经常需要对数据进行排序并提取最重要的部分。PyTorch提供了一个非常
阅读更多...
阿里云GPU服务器上Torch安装与测试

阿里云GPU服务器上Torch安装与测试

本文个人博客访问地址： 点击查看 一、介绍 阿里云的GPU也有了竞价服务，每小时大概1块多，还是可以接受的主要想跑github上的一个论文代码，使用的GPU,(奈何实验室没有GPU)， 本来我已经改成CPU版本的了，但是他训练好的模型是基于GPU的，所以还需要重新训练，结果非常的慢…包含以下内容： 购买竞价GPU通过SSH连接云服务器安装Torch、hdf5、cjson、loadcaffe安
阅读更多...
稀疏数据的优化之道：PyTorch中torch.sparse的高效应用

稀疏数据的优化之道：PyTorch中torch.sparse的高效应用

稀疏数据的优化之道：PyTorch中torch.sparse的高效应用 在机器学习和数据科学领域，稀疏矩阵是一类特殊而又常见的数据结构，特别是在处理大规模文本数据或社交网络关系时。PyTorch，作为当前深度学习研究和应用的主流框架之一，提供了对稀疏矩阵的原生支持。本文将深入探讨如何在PyTorch中使用torch.sparse模块来高效处理稀疏数据。 1. 稀疏矩阵简介 稀疏矩阵是指大部分
阅读更多...
探索深度学习的强大工具：PyTorch的torch.utils.data模块

探索深度学习的强大工具：PyTorch的torch.utils.data模块

探索深度学习的强大工具：PyTorch的torch.utils.data模块 在深度学习的世界里，数据是模型训练的基石。PyTorch，作为当前最流行的深度学习框架之一，提供了一个强大的torch.utils.data模块，它使得数据加载、处理和迭代变得异常简单和高效。本文将深入探讨这个模块的内部机制，并以实际代码示例展示其使用方式。 1. torch.utils.data模块概述 torc
阅读更多...
数据切分的艺术：使用PyTorch的torch.utils.data.random_split精粹指南

数据切分的艺术：使用PyTorch的torch.utils.data.random_split精粹指南

数据切分的艺术：使用PyTorch的torch.utils.data.random_split精粹指南 在机器学习项目中，合理地分割数据集至关重，它不仅关系到模型训练的有效性，还直接影响到模型的泛化能力。PyTorch提供了一个强大的工具torch.utils.data.random_split，它能够以随机的方式将数据集分割成若干个子集。本文将详细介绍如何使用这一工具进行数据集的随机分割。
阅读更多...
并行处理的魔法：PyTorch中torch.multiprocessing的多进程训练指南

并行处理的魔法：PyTorch中torch.multiprocessing的多进程训练指南

并行处理的魔法：PyTorch中torch.multiprocessing的多进程训练指南 在深度学习领域，模型训练往往需要大量的计算资源和时间。PyTorch，作为当前最流行的深度学习框架之一，提供了torch.multiprocessing模块，使得开发者能够利用多核CPU进行多进程训练，从而显著加速训练过程。本文将深入探讨如何在PyTorch中使用torch.multiprocessing
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2