欢迎使用PyTorchNet !
PyTorchNet是建立在之上的机器学习框架 。 并且,它使用Tensorboard(或Visdom)进行可视化。
通过创建必要的类,可以轻松自定义PyTorchNet:
数据加载:需要数据集类来加载数据。
模型设计:代表网络模型的nn.Module类。
损失方法:适当的损失类别,例如CrossEntropyLoss或MSELoss。
评估指标:衡量结果准确性的类。
结构
PyTorchNet由HAL库组成,该库具有以下软件包:
HAL /数据集
这是用于加载和转换数据集。
HAL /型号
网络模型保留在此程序包中。 它已经包括 , , 和 。
HAL /损失
分类或回归有许多不同的选择。 新的损失方法可以放在这里。
HAL /指标
分类或回归有许多不同的选择。 可以在此处放置新的准确性指标。
根
主要的
模型
设置
首先,您需要通过调用以
评论0
最新资源