Pytorch

1. Pytorch加载数据 ① Pytorch中加载数据需要Dataset、Dataloader。 Dataset提供一种方式去获取每个数据及其对应的label，告诉我们总共有多少个数据。 Data

一、什么是Tensorboard 简单来说：Tensor可以 显示 loss 函数变化曲线 显示 准确率曲线 展示 模型结构 查看 图片、文本、嵌入向量 分析 直方图、分布图、学习率变化 二、Tens

PyTorch Transforms 一、什么是 transforms？ transforms 是 PyTorch 中用来处理和预处理图像数据的一组工具。它帮助我们在训练机器学习模型之前，对数据进行规

DataLoader是一个简便的数据加载工具，支持批量数据加载、随机化顺序、使用多进程处理加速数据读取过程等功能。它可以通过自定义采样器动态调整采样策略，并支持数据集分割为训练集和验证集，提高效率。

关注点 常见的 transforms 操作 ToTensor 功能: 将来自 PIL 图像或 numpy 数组的数据转换为 PyTorch 张量，同时将像素值从 0-255 归一化到 0-1。 用途:

一、使用torchvision自带的数据集CIFAR-10 dataset [链接](CIFAR-10 and CIFAR-100 datasets) 输出截图(由于服务器没有图像查看软件，所以img

卷积层是神经网络中的一种关键层，主要用于提取输入数据中的局部特征。它通过卷积核在输入图像上滑动，进行点积操作以生成特征图。卷积层减少参数数量，并保留空间结构，适合对图像数据进行处理。

PyTorch 中的 nn.Module nn.Module 是 PyTorch 框架中的核心类，用于定义和创建神经网络的基本结构。它可以帮助我们组织和管理网络中的各种组件，比如神经网络的层。

最大池化操作参数解析 最大池化是一种下采样技术，通常用于卷积神经网络中，以减少数据的维度并保持特征的显著性。

非线性激活函数就是一个“有个性的”审批开关。它不是简单地把输入值原封不动地传出去（那是线性激活），而是会根据输入值的大小，进行一次非线性的“加工”或“扭曲”，然后再输出。