目录模板-深度学习pytorch实战

零、引言(温故而知新,可以为师矣)

1.复习上周

2.摆正心态

3.本机环境

4.学习目标

一、前期准备

1.设置GPU

2.导入数据

3.数据可视化

二、构建简单的CNN网络

[1. torch.nn.Conv2d()详解](#1. torch.nn.Conv2d()详解)

函数原型:

关键参数说明:

[2. torch.nn.Linear()详解](#2. torch.nn.Linear()详解)

函数原型:

关键参数说明:

[3. torch.nn.MaxPool2d()详解](#3. torch.nn.MaxPool2d()详解)

函数原型:

关键参数说明:

[4. 关于卷积层、池化层的计算:](#4. 关于卷积层、池化层的计算:)

[注意:在加载并打印模型的时候 ,可能会报错,输入这条命令就可以了](#注意:在加载并打印模型的时候 ,可能会报错,输入这条命令就可以了)

输出结果:

三、训练模型

1.设置超参数

2.编写训练函数

[1. optimizer.zero_grad()](#1. optimizer.zero_grad())

[2. loss.backward()](#2. loss.backward())

[3. optimizer.step()](#3. optimizer.step())

注意:

3.编写测试函数

4.正式训练

[1. model.train()](#1. model.train())

[2. model.eval()](#2. model.eval())

四、结果可视化

五、学员问题

六,总结

构建数据集中

构建cnn网络中

训练模型中

编写训练函数中

编写测试函数同理

来到了正式训练

最后可视化

相关推荐
罗西的思考6 分钟前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(2)
人工智能·算法·机器学习
罗西的思考9 分钟前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(1)
人工智能·算法·机器学习
汤姆宝库1 小时前
BPE分词器的完整实现:字节对合并与词表构建
开发语言·人工智能·c#
岁月宁静1 小时前
从零拆解 AI 语音模拟面试系统
人工智能·python·agent
武子康1 小时前
H3-World 接入 Game Agent:谁来判断门真的打开了?
人工智能·算法·机器学习
可乐ea2 小时前
MCP 和 CLI 差 42 倍:一次 GitHub 任务的上下文成本实测
人工智能·github·工具调用·ai智能体·openrouter·mcp协议·上下文优化
kyriewen2 小时前
编辑弹窗点了取消,列表里的数据怎么还是变了?
前端·javascript·人工智能
泯泷3 小时前
Multica 真正打动我的,不是更多 Agent,而是一种新的团队协作方式
人工智能·llm·agent
电科_银尘3 小时前
【深度学习项目实战·22】灰度图像着色:用小型U-Net学习从灰度到RGB
人工智能·深度学习·学习
阿里云大数据AI技术3 小时前
云栖实录|倍思科技 × 阿里云:让VOC洞察从“生成报告”走向“业务可用”
人工智能·elasticsearch·agent