题头 在PyTorch学习的第一阶段，我基本上掌握了加载，训练，使用，保存模型的基本方法，下面对使用到的函数和方法进行一个阶段性的总结。这篇文章全程在typora里面完成，没有任何代码提示，算是默写，但也没有经过测试。 初始化 初始化一般是导入模型，引入最基本的库，设置运行设备等等。 ¶引入最基本的库 1234# 这些都是有关pytorch的大头import torchimport torch.n

题头 本文为notebook直接转为markdown，因本人的MBP内存过于拉胯，所以Food101数据还需要缩小才能继续训练。其他代码在macOS上面已经运行训练成功。也可以点击这个链接直接在Colab里面打开👉🏻https://drive.google.com/file/d/1Lee_oohIN99bHRm1kMEi25VgxTSFe1fF/view?usp=sharing。 但是Cola

以下为notebook直接转化为markdown，在macOS上可以运行。 可以在这里试试直接在Google Colab里运行，理论上也行👉🏻https://drive.google.com/file/d/1CjHEb3ZspR_3qbHjJgenfrGmeJC75nF8/view?usp=sharing 下面的内容主要是CNN的初级训练和使用，初学者所为，大佬门看个乐子就行🤪 PyTorc

前言 众所周知，炼丹一般是在老黄的卡上跑的（人话：一般在NVIDIA显卡上训练模型），但是作为果果全家桶用户+ML初学者，其实M芯片的GPU也可以用来GPU加速，效果指不定还比Google Colab上面分给你的T4要快。而PyTorch早在2022年就支持M芯片的GPU加速了，老黄的卡叫CUDA，果果的GPU就叫MPS (Metal Performance Shaders)，下面来看看怎么开启。

以下是notebook直接转换成markdown，在Google Colab上可以正常执行。 可以在这里直接进入👉https://colab.research.google.com/drive/1Xf0wMvc_bG-bMMewme__oDXtE5KmmBCG?usp=sharing 下面的内容为经典的ML应用：classification，分类。 Some hyperparameters（Fo

以下都是notebook直接转换成markdown，在Google Colab上验证可以正常执行。 可以在这里直接进入👉https://colab.research.google.com/drive/1TDM6Vz5efbjTzvXcn1RQMhF5iijg8pzm?usp=sharing 下面的内容是pytorch训练的一般的工作流 Initalize 1234import torchimpo

以下是notebook直接转换成markdown，在Google Colab上可以正常执行。 可以在这里直接进入👉https://colab.research.google.com/drive/1oSCI36tAQq9gfTaHmG5PyDwcPzA1P_pl?usp=sharing 内容为pytorch和ML的入门经典内容，各位可以康一康哈，但是主要以笔记为主，因此会有些中英参半 Basic

比较零散，真就是笔记和理解了，没有教程性质。教程可以去看表严肃的课 不要将function看做纯粹的函数，而要把它看做一个object对象，但其实它还是个函数，只是作为构造器存在。因此，操作时以.来连接。 继承上一级的prototype： 1Laptop.prototype = Object.create(Computer.prototype) 恢复构造器 1Laptop.prototyp

显示 属性为display 值 含义 block（默认） 块级元素 inline 行内元素 inline-block 行内块元素 框 属性 值 含义 height, width ~px 高，宽 padding ~px 内边框 border ~px {solid, dotted（点线）, dashed（虚线）, } {color} 边框 marg

所有属性的值都可以为inherit，即继承母元素。 字体 属性 含义 值 font-family 字体 Serif, Monospace, “Times New Roman”, “宋体” font-weight 粗细 bold, normal, 1~900 font-size 大小 ~px（一般为12，13,14）, ~% font-style 样式 normal, it