pytorch-dogs

机器学习 专门用于机器学习的存储库。 我将为此使用PyTorch，但一旦对手电筒感到满意，将学习TensorFlow和Keras。 基本 我想测试对一些基本机器学习概念的理解，因此我没有使用PyTorch来实现以下内容。 线性回归模型。 逻辑回归模型。 MNIST MNIST是学习PyTorch和整个神经网络基础知识的良好起点。 我了解了多层感知器网络中的密集层以及卷积神经网络。 我设法使用以下方法对MNIST数据库进行分类： 多层感知器神经网络，最高精度达到99.1％ 卷积神经网络-最

PyTorch实践指南 本文是文章配套代码，请参照或者对应更好的了解而文件组织和代码细节。 数据下载 从下载所需的数据；或者直接从此下载培训和 解压并把训练集和测试集分别放在一个文件夹中 安装 PyTorch：可按照的指南，根据自己的平台安装指定的版本 安装指定依赖： pip install -r requirements.txt 训练 必须首先启动visdom： python -m visdom.server 然后使用如下命令启动训练： # 在gpu0上训练,并把可视化结果保存在visd