- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
深度学习框架概述;深度学习框架;Theano框架;Tensorflow框架;Keras框架;Caffe框架;MXNet框架;CNTK框架;飞桨(PaddlePaddle)集深度学习核心训练和推理框架、基础模型库、端到端开发套件、丰富的工具组件于一体,是中国首个自主研发、功能丰富、开源开放的产业级深度学习平台。;PyTorch框架;PyTorch官网地址/;PyTorch支持动态图的创建,在深度学习平台定义模型主要有两种方法:
静态图模型的缺陷是在处理数据前必须定义好完整的一套模型,才能够处理所有的边际情况。
动态模型能够自由地定义模型,作为Numpy的替代者,使用强大的GPU,支持Tensor库,极大地加速了计算。;PyTorch提供的功能;PyTorch的优势;PyTorch官网地址/;基础环境:
一台PC设备
一张高性能NVIDIA显卡(可选)
Ubuntu系统;搭建环节
1.Anaconda环境搭建
2.PyTorch环境搭建;Anaconda环境搭建;查看操作系统是否安装了Anaonda3;查看操作系统是否安装了Anaonda3;人工智能和机器学习的关系;时间:1956年
地点:达特茅斯学院
会议:用机器来模仿人类学习以及其他方面的智能;人工智能(Artificialintelligence)是什么?;;计算机科学的一个分支,
利用计算机模拟人类智力活动。;模仿人或其他生命体思考或行为的技术;机器学习(MachineLearning)是什么?;在没有明确编程下,
让计算机具有学习能力的研究领域。;1997年,IBM开发的深蓝(DeepBlue)象棋程序击败了世界冠军加里?卡斯帕罗夫(GarryKasparov);机器学习可以解决什么问题?;机器学习不能解决什么问题?;监督学习的流程框架;分类案例:
身高1.65m,体重100kg的男人肥胖吗?
根据肿瘤的体积、患者的年龄来判断良性或恶性?
回归案例:
如何预测上海浦东的房价?
未来的股票市场走向?;无监督学习
即使没有正确答案样本也可以区分
1.目标不明确
2.不需要带标签的数据
3.效果很难评估;借助无监督学习细分用户;场景:
1.机器有一个明确的小鸟角色——代理
2.需要控制小鸟飞的更远——目标
3.整个游戏过程中需要躲避各种水管——环境
4.躲避水管的方法是让小鸟用力飞一下——行动
5.飞的越远,就会获得越多的积分——奖励;模式识别=机器学习;数据挖掘=机器学习+数??库;统计学习近似等于机器学习;计算机视觉=图像处理+机器学习;语音识别=语音处理+机器学习;模仿人或其他生命体思考或行为的技术;PyTorch基本使用;Tensor张量的概念;Tensor实际上就是一个多维数组(multidimensionalarray);数据类型;创建张量的方法
torch.tensor():用现有数据创建张量
如torch.tensor([[1.,-1.],[1.,-1.]])
torch.*:创建具有特定大小的张量
如torch.randn()#满足标准正态分布的一组随机数据
torch.*_like:创建与另一个张量具有相同大小和相似类型的张量
如torch.rand_like()
tensor.new_*:创建与其他张量具有相似类型但大小不同的张量;查看张量的属性
查看Tensor类型
tensor1=torch.randn(2,3) #形状为(2,3)一组从标准正态分布中随机抽取的数据
tensor1.dtype#torch.float32
查看Tensor维度
tensor1.ndim#查看维度
查看Tensor形状或尺寸
tensor1.shape#查看形状或尺寸
查看Tensor是否存储在GPU上
tensor1.is_cuda
查看Tensor的梯度
tensor1.grad;Tensor在CPU、GPU、numpy之间的转换
CPUtensor转GPUtensor
cpu_tensor.cuda()
GPUtensor转CPUtensor
gpu_tensor.cpu()
numpy转为CPUtensor
torch.from_numpy(numpy_test)
CPUtensor转为numpy数据
cpu_tensor.numpy()
注意:
GPUtensor不能直接转为numpy数组,必须先转到CPUtensor。
如果tensor是标量的话,可以直接使用item()函数(只能是标量)将值取出来:loss_output.item();一个张量tensor可以从Python的list或序列构建;一个空张量tensor可以通过规定其大小来构建;用Python的索引和切片来获取和修改一个张量tensor
文档评论(0)