pytorch学习指南---安装anaconda ,pytorch

news/2025/2/12 1:57:27/

pytorch 和tenserflow并驾齐驱,但是,pytorch更好理解。所以选择学习pytorch。
安装anaconda:

https://blog.csdn.net/fan18317517352/article/details/123035625

教程:bilibili up主:一只小土堆

构建pytorch空间

在这里插入图片描述
在这里插入图片描述
pytorch安装
在这里插入图片描述
查看cpu
在这里插入图片描述

在这里插入图片描述
安装命令pytorch:conda install pytorch torchvision torchaudio cpuonly -c pytorch
在这里插入图片描述
检查是否正确安装
在这里插入图片描述
开启jupyter
在这里插入图片描述
这样打开发现只有python3
所以用
conda install nb_conda,然后打开notebook
在这里插入图片描述

在这里插入图片描述

现在正确了
在这里插入图片描述

from torch.utils.data import Dataset
help(Dataset)
Dataset??

http://www.ppmy.cn/news/738150.html

相关文章

GNN 系列(三):GraphSAGE

点击上方“Datawhale”,选择“星标”公众号 第一时间获取价值内容 【引言】在GCN的博文中我们重点讨论了图神经网络的逐层传播公式是如何推导的,然而,GCN的训练方式需要将邻接矩阵和特征矩阵一起放到内存或者显存里,在大规模图数据…

GCN及其拓展GraphSage、MPNN、GAT

GCN详解 公式: 考虑将公式进行简化(忽略D),即 为什么要引入 D~? 因为不同的节点重要性不一样,因此我们应该引入一种类似于「注意力机制」的东西。具体来说,如果一个节点的「度」非常大&…

Graph

Graph 阅读时间约 5 分钟 配置 new Graph(options: Options) 选项类型必选默认值描述containerHTMLElement✓画布的容器。widthnumberundefined画布宽度,默认使用容器宽度。heightnumberundefined画布高度,默认使用容器高度。autoResizeboolean | El…

GATED GRAPH NEURAL NETWORKS(GGNN)

这里写目录标题 GG-NNGGS-NNs应用举例 GG-NN GGNN网络使用了GRU(Gate Recurrent Units),在固定的 T 时间步中展开RNN,并使用BPTT算法(Back Propagation Through Time)以计算梯度。 补充: GGNN并…

GraphGAN: Graph Representation Learning with GAN

GraphGAN: Graph Representation Learning with GAN 1、Introduction2、GraphGAN Framework2.1 OptimizationDiscriminator OptimizationGenerator OptimizationGraph Softmax for Generator 1、Introduction 网络表示学习方法可以分成两个类别。 Generative model假定对于每一…

android graphic(15)—fence

为何需要fence fence如何使用 软件实现的opengl 硬件实现的opengl 上层使用canvas绘图 上层使用opengl绘图 下层合成 updateTexImage doComposeSurfaces DisplayDevice和FramebufferSurface 关于fence,不错的参考文章http://blog.csdn.net/jinzhuojun/a…

GNN:Graph Neural Networks for Social Recommendation简介

Graph Neural Networks for Social Recommendation Abstract 基于GNN建立社交推荐系统有很多的挑战,因此作者提出了GraphRec框架。作者提供了一种有原则的方法来联合捕获用户-项目图中的交互和意见,并提出了框架GraphRec,该框架连贯地对两个图和异构优势进行建模。 Intro…

GGNN(Gated Graph Sequence Neural Networks)

GGNN研究意义: 1、提升在图结构中长期的信息传播 2、消息传播中使用GRU,使用固定数量的步骤T,递归循环得到节点表征 3、边的类型,方向敏感的神经网络参数设计 4、多类应用问题,展示了图神经网络更多的应用以及强大的表征能力 …