pytorch 之 nn 库与调试

系列文章目录

文章目录

系列文章目录
[一、torch.nn 库](#一、torch.nn 库)
- [1. nn.Parameter](#1. nn.Parameter)
- [2. 基于nn.Moduel 的接口](#2. 基于nn.Moduel 的接口)
- [3. nn.functional](#3. nn.functional)
- 4.nn.Sequential
二、调式visdom
- [1. vidom 功能简介](#1. vidom 功能简介)
- [2. visdom 安装](#2. visdom 安装)
- [visdom 简单编程](#visdom 简单编程)
- [三、tensorboardX 数据可视化工具](#三、tensorboardX 数据可视化工具)

一、torch.nn 库

torch.nn 是专门为神经网络设计的接口

torch.nn 构建于 autograd 之上，可以用来定义和构建神经网络。
五个常用的函数：
nn.Patameter
nn.Linear & nn.cov2d
nn.functional
nn.Model
nn.Sequential

1. nn.Parameter

该接口来定义可训练参数：

self.my_param = nn.Parameter(torch.randn(1)) 定义和初始化参数
self.register_parameter 注册可训练参数，效果一致
nn.ParameterList & nn.ParameterDict 使用列表或者字典来定义多个可训练的参数。

python 复制代码

import torch
from torch import nn

self.paramas = nn.ParameterList([nn.Parameter(torch.randn(10,10)) for i in range(10)])

self.grads = nn.ParameterDisct({
    'left': nn.Parameter(torch.randn(5,10)),
    'right': nn.Parameter(torch.randn(5.10))
})

列表和字典与我们Python定义的数据结构是一样的。

2. 基于nn.Moduel 的接口

nn.Linear & nn.conv2d & nn.ReLU & nn.MaxPool2d() & nn.MESLoos这些函数都基于 nn.Module,实现了前向传播和后向传播，我们直接调用就行，非常省事

各种神经网络层的定义，基于 nn.Module 的子类
- self.conv1 = nn.Conv2d(1,6,(5,5)) 定义一个卷积类，初始化卷积的具体参数。
- 调用时 self.conv1(x) 调用这个卷积类，进行一次卷积操作，前向运算。
定义网络层，参数为Parameter 类型，也叫可训练类型的参数：
- lay = nn.Linear(1,1)
- lay.weight = nn.Parameter(torch.FloatTensor([[0]]))
- lay.bias = nn.Parameter(torch.FloatTensor([0]))

3. nn.functional

包含 torch.nn 库中所有的函数，包含大量的 Loss 和 activation function:

nn.functional.conv2d(input,weight,bias = None,Stride = 1,padding = 0,dialtion = 1,groups = 1) 这个是函数，不是类，与上面有本质的区别
nn.functional.xx 本质上就是一个函数接口，无法和 nn.Sequential 结合使用。没有学习参数使用 nn.xx 和 nn.functional.xx 都可以，有学习参数就建议使用 nn.xx.
特别注意 DropOut 层。

4.nn.Sequential

作用就是把层次给串联起来，形成一个模型

python 复制代码

# Example of use Sequential
model = nn.Sequential(
    nn.Conv2d(1, 5, 10),
    nn.ReLU(),
    nn.Conv2d(1, 5, 10),
    nn.ReLU(),
)

# Example of using Sequential with OrderedDict
model1 = nn.Sequential(OrderedDict([
    ('conv1', nn.Conv2d(1, 5, 10)),
    ('relu1':nn.ReLu()),
    ('conv2', nn.Conv2d(20, 64, 5)),
    ('relu2':nn.ReLu())
]))

二、调式visdom

1. vidom 功能简介

visdom 主要应用于我们展示神经网络运行的中间过程，一些中间结果，检测结果的变化过程可视化等等。我们可以将 visdom 理解成一个库：

支持数值、文本、视频等可视化。
支持 pyotorch、torch、numpy

图1 例举了数据可视化的一些图表，通过这些可视化的图表，我们可以更加直观的看出数据的变化规律，看起来就很专业。
图 1 数据可视化

2. visdom 安装

安装：

pip install visdom

启动服务:

python -m visdom.server

visdom 简单编程

python 复制代码

import visdom
import numpy as np
vis = visdom.Visdom()
vis.text("hello,四川兔兔")
vis.image(np.ones((3,10,10)))

具体的实例展示，在搭建神经网络章节，后面会完善这篇文章。

三、tensorboardX 数据可视化工具

这个工具是基于tensorboard，专门用于pytorch的数据可视化：

1.支持 scalar, image, figure, histogram, audio, text, graph等等不同的可视化展示方式

安装：pip install tensorboardX

最后如果本文有帮助，帮我点击小店吧，浏览下就行，谢谢朋友们。