本篇文章為大家展示了基于PyTorch的高級(jí)API封裝MagNet庫(kù)是怎樣的，內(nèi)容簡(jiǎn)明扼要并且容易理解，絕對(duì)能使你眼前一亮，通過(guò)這篇文章的詳細(xì)介紹希望你能有所收獲。
十載的保靖網(wǎng)站建設(shè)經(jīng)驗(yàn)，針對(duì)設(shè)計(jì)、前端、開發(fā)、售后、文案、推廣等六對(duì)一服務(wù)，響應(yīng)快，48小時(shí)及時(shí)工作處理。全網(wǎng)營(yíng)銷推廣的優(yōu)勢(shì)是能夠根據(jù)用戶設(shè)備顯示端的尺寸不同，自動(dòng)調(diào)整保靖建站的顯示方式，使網(wǎng)站能夠適用不同顯示終端，在瀏覽器中調(diào)整網(wǎng)站的寬度，無(wú)論在任何一種瀏覽器上瀏覽網(wǎng)站，都能展現(xiàn)優(yōu)雅布局與設(shè)計(jì)，從而大程度地提升瀏覽體驗(yàn)。成都創(chuàng)新互聯(lián)從事“保靖網(wǎng)站設(shè)計(jì)”,“保靖網(wǎng)站推廣”以來(lái)，每個(gè)客戶項(xiàng)目都認(rèn)真落實(shí)執(zhí)行。
MagNet，一個(gè)基于pytorch庫(kù)的高層API封裝庫(kù)，非常類似于Keras。寫過(guò)原生Tensorflow的童鞋肯定知道，那過(guò)程不好受，后來(lái)有了keras，tensorlayer等以后就方便多了。不同于Tensorflow，pytorch上手已經(jīng)很容易了，但是有了MagNet，pytorch寫起來(lái)將更加簡(jiǎn)潔。弄不好以后Keras+Tensorflow，MagNet+pytorch將作為入門深度學(xué)習(xí)的兩大選擇。目前該庫(kù)還在開發(fā)中，bug還不少，不過(guò)喜歡pytorch的童鞋不妨先試一下，及時(shí)跟進(jìn)后續(xù)進(jìn)展。
地址: https://github.com/MagNet-DL/magnet
0,安裝Anaconda (www.anaconda.com)
1,安裝magnet并創(chuàng)建conda環(huán)境
$git clone https://github.com/svaisakh/magnet.git
$cd magnet && conda env update
2,設(shè)置環(huán)境變量，編輯~/.bashrc
export PYTHONPATH=$PYTHONPATH:
export MAGNET_DATAPATH="<數(shù)據(jù)集存放路徑>"
3,執(zhí)行腳本使設(shè)置生效
$source ~/.bashrc
4,激活conda環(huán)境
$conda activate magnet
5,先測(cè)試上面的簡(jiǎn)單網(wǎng)絡(luò)，流程掌握以后可以試一下復(fù)雜點(diǎn)的網(wǎng)絡(luò)。
class ResBlock(mn.Node): def __init__(self, c=None, p='same'): super().__init__(c) def build(self, x): # Tell the ResBlock how it should build itself c = self._args['c'] p = 'half' if c is None and self._args['p'] != 'same' else 'same'self.convs = nn.Sequential(mn.Conv(c, p=p), mn.Conv(c, p='same', act=None)) super().build(x) def forward(self, x): res = self.convs(x) # If downsampling, pad using zerosif x.shape[-1] != res.shape[-1]: x = F.avg_pool2d(x, 2, 2, x.shape[2] % 2) x = torch.cat([x, torch.zeros(x.shape[0], res.shape[1] - x.shape[1], x.shape[2], x.shape[3])], dim=1) return F.relu(res + x) res_layer = lambda n, c=None: nn.Sequential(ResBlock(c, p='half'),*[ResBlock(c) for _ in range(n - 1)]) resnet34 = nn.Sequential(mn.Conv(64, k=7), nn.MaxPool2d(3, 2, 1), res_layer(3, 64), res_layer(4), res_layer(6), res_layer(3), nn.AvgPool2d(7), mn.Linear(1000, act=None)).eval()
上述內(nèi)容就是基于PyTorch的高級(jí)API封裝MagNet庫(kù)是怎樣的，你們學(xué)到知識(shí)或技能了嗎？如果還想學(xué)到更多技能或者豐富自己的知識(shí)儲(chǔ)備，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。
重慶分公司
重慶分公司
