政安晨：示例演绎TensorFlow的官方指南（三）{快速使用数据可视化工具TensorBoard}
这篇文章里咱们演绎TensorFLow的数据可视化工具：TensorBoard。 在机器学习中，要改进模型的某些参数，您通常需要对其进行衡量。TensorBoard 是用于提供机器学习工作流期间所需测量和呈现的工具。它使您能够跟踪实验指标（例如损失和准确率），呈现模型计算图，将嵌入向量投影到较低维度的空间等。 准备环境 咱们基于本地环境尝试使用tensorboard（本地环境演绎，更有助于熟悉这套工具），不熟...
【PyTorch】张量(Tensor)的生成
PyTorch深度学习总结 第一章 Pytorch中张量(Tensor)的生成 文章目录 PyTorch深度学习总结一、什么是PyTorch？二、张量(Tensor)1、张量的数据类型2、张量生成和信息获取 总结 一、什么是PyTorch？ PyTorch提供了一种灵活的、动态的计算图模型，使得开发者可以方便地构建和训练神经网络模型。PyTorch采用了动态图的方式，即在运行时才构建计算图，这与静态图的框架...
TensorFlow训练大模型做AI绘图，需要多少的GPU算力支撑
TensorFlow训练大模型做AI绘图，需要多少的GPU算力支撑！这个问题就涉及到了资金投资的额度了。众所周知，现在京东里面一个英伟达的显卡，按照RTX3090(24G显存-涡轮风扇）版本报价是7000-7500之间。如果你买一张这样的单卡是可以勉强开始训练的。当然了，双卡更好了，可以并行训练。 训练大模型做AI绘图所需的 GPU 算力取决于多个因素，包括模型的大小、训练数据集的规模、训练批次的大小、训练时...
政安晨：示例演绎TensorFlow的官方指南（二）{Estimator}
咱们接着演绎TensorFlow官方指南，我的这个系列的上一篇文章为： 政安晨：示例演绎TensorFlow的官方指南（一）{基础知识}https://blog.csdn.net/snowdenkeke/article/details/136067030为什么要演绎官方指南，我在上一篇说过了，这次没有废话，直接开始。 Estimator介绍 政安晨： 咱们先看一下Estimator的背景。 TensorFlo...
成功解决ValueError: only one element tensors can be converted to Python scalars
成功解决ValueError: only one element tensors can be converted to Python scalars 🌵文章目录🌵 🌳引言🌳🌳问题初探：为什么会出现这个错误？🌳🌳解决方案：如何避免和修复这个错误？🌳🌳结尾🌳 🌳引言🌳 在Python编程中，我们可能会遇到各种错误，其中之一就是"ValueError: only one element tensors can ...
PyTorch中tensor.backward()函数的详细介绍
rch中，backward() 是自动梯度计算的核心方法之一。当调用一个张量的 .backward() 方法时，系统会执行反向传播算法以计算该张量以及它依赖的所有可导张量的梯度。 具体来说，这行代码 tensor.backward() 的含义和作用是： 前提条件： 需要确保 tensor 是在一个包含至少一个需要梯度（requires_grad=True）的张量的计算图中的结果。如果 tensor 不是一个标...
从零开始 TensorRT（3）Python 篇：解析 ONNX、PyTorch TensorRT 接口
前言 学习资料： TensorRT 源码示例 官方文档：Working With TensorRT Using The Python API 官方文档：TensorRT Python 官方文档：CUDA Python B站视频教程 视频配套代码 cookbook 示例：解析 ONNX 模型 参考源码：cookbook → 04-BuildEngineByONNXParser → pyTorch-ONNX-T...
CUDA/TensorRT部署知识点
CUDA相关： 1、CUDA核函数嵌套核函数的用法多吗？ 答：这种用法非常少，主要是因为启动一个kernel本身就有一定延迟，会造成执行的不连续性。 2、如下代码里的 grid/block 对应硬件上的 SM 的关系是什么？ 答：首先需要理解grid/block是软件层的概念，而SM是硬件层的概念。所以我们在GPU中是找不到grid/block的，所以只能抽象去理解这个关系。一般来讲一个kernel对应一个...
复现图神经网络（GNN）论文的过程以及PyTorch与TensorFlow对比学习
描述的实验，获取相应的数据集。如果论文中使用的是公开数据集，通常可以直接从互联网上下载；如果是私有数据集，可能需要自己收集或生成类似的数据。 三、实现模型： 使用合适的深度学习框架（如PyTorch、TensorFlow等）实现论文中的模型。 注意实现细节，如层的类型、激活函数、损失函数等，确保与论文中描述一致。 四、训练模型：使用准备好的数据集对模型进行训练。注意设置与论文中相同的超参数，如学习率、批大小、...
pytorch学习（一）、tensorboard和torchvision
文章目录 一、os模块二、from torch.utils.data import Dataset三、from torch.utils.tensorboard import SummaryWriter四、from torchvision import transforms五、torchvision 中数据集的下载六、torchvision 中的测试数据集的加载 一、os模块 os.path.join(dir...