PyTorch深度学习总结 第五章 PyTorch中张量(Tensor)计算操作 文章目录 PyTorch深度学习总结前言一、张量比较大小1、torch.allclose()2、torch.eq()和torch.equal()3、ge、gt、le、lt、ne函数4、torch.isnan() 二、基本运算1、四则运算(加减乘除)2、其他计算 前言 上文介绍了PyTorch中张量(Tensor)的拆分和拼接...

1 使用 wandb进行可视化训练过程 本文章将从wandb的安装、wandb的使用、demo的演示进行讲解。 1.1 如何安装wandb？ wandb的安装比较简单，在终端中执行如下的命令即可： pip install wandb 在安装完成之后，我们需要，去官网注册一个自己的账号并复制一下自己的API keys，在本地进行登录即可： wandb login 1.2 wandb的使用 其实wandb的使...

torch 是 PyTorch 库的核心模块，提供了以下关键功能： 张量（Tensor）：类似于 NumPy 的 ndarray，但可以无缝地在 CPU 或 GPU 上运行，并且支持自动微分，是深度学习模型中数据的主要表示形式。 数学运算：包括基本的数学运算符重载（如加减乘除）、矩阵运算（如矩阵乘法、点积、卷积）、统计函数（如求和、平均值、最大值、最小值等）以及更复杂的数学操作。 数据类型转换：允许用户创建...

PyTorch detach()：深入解析与实战应用 🌵文章目录🌵 🌳引言🌳🌳一、计算图与梯度传播🌳🌳二、detach()函数的作用🌳🌳三、detach()与requires_grad🌳🌳四、使用detach()的示例🌳🌳五、总结与启示🌳🌳结尾🌳 🌳引言🌳 在PyTorch中，detach()函数是实现计算图灵活控制的关键。通过理解其背后的原理和应用场景，我们能够更有效地利用PyTorch进行深度学习模型...

import torchimport torchvisionimport torch.nn as nnfrom model import LeNetimport torch.optim as optimimport torchvision.transforms as transforms def main(): transform = transforms.Compose( [transform...

环境 2.激活环境----conda activate 虚拟环境名字 3.查看当前环境下的库/包-----conda list 4.卸载当前环境的库/包------conda uninstall pytorch torchvision torchuadio cudatoolkit (无论是卸载库还是安装库，均需要①打开anaconda prompt  ； ② 激活环境-------conda activat...

PyTorch 的 Autograd Engine（自动求导引擎）是 PyTorch 中实现自动求导功能的核心组件之一。Autograd Engine 负责构建计算图、跟踪张量操作，并自动计算梯度。以下是 Autograd Engine 的一些关键特点和功能： 动态计算图：PyTorch 使用动态计算图，这意味着计算图是根据实际的张量操作动态构建的。每次执行张量操作时，Autograd Engine 都会在...

pytorch张量和numpy数组相互转换 🌵文章目录🌵 🌳引言🌳🌳将numpy数组转换为Pytorch张量🌳1. 功能介绍2. 用法 🌳将Pytorch张量转换为numpy数组🌳1. 功能介绍2. 用法 🌳PyTorch张量和NumPy数组的区别🌳🌳结尾🌳 🌳引言🌳 在深度学习和PyTorch中，张量（Tensor）是核心的数据结构，用于存储和操作多维数据。然而，在许多情况下，我们可能需要使用NumPy...

PyTorch深度学习总结 第四章 PyTorch中张量(Tensor)拼接和拆分操作 文章目录 PyTorch深度学习总结前言一、张量拼接二、张量拆分 前言 上文介绍了PyTorch中张量(Tensor)的切片操作，本文主要介绍张量的拆分和拼接操作。 一、张量拼接 二、张量拆分 注意： torch.chunk()：当张量对应维度元素数量不足以拆分时，会按照可以拆分的最大数量进行拆分，且会出现不均等拆分情...

文章目录 深度学习自然语言处理（NLP）模型BERT：从理论到Pytorch实战一、引言传统NLP技术概览规则和模式匹配基于统计的方法词嵌入和分布式表示循环神经网络（RNN）与长短时记忆网络（LSTM）Transformer架构 二、什么是BERT？BERT的架构整体理念架构部件Encoder层嵌入层（Embedding Layer） 部件的组合架构特点 三、BERT的核心特点Attention机制自注意...