文件名称：ai-system-lab
文件大小：4.87MB
文件格式：ZIP
更新时间：2024-03-29 05:06:04
Python
实验1-框架及工具入门示例 实验目的 了解深度学习框架及工作流程（深度学习工作量） 了解在不同硬件和批大小（batch_size）条件下，张量运算产生的剩余 实验环境 PyTorch == 1.5.0 TensorFlow> = 1.15.0 【任选环境】带CUDA 10.0的单机Nvidia GPU 实验原理 通过在深度学习框架上调试和运行样例程序，观察不同配置下的运行结果，了解深度学习系统的工作流程。 实验内容 实验流程图 具体步骤 按装依赖包。PyTorch== 1.5，TensorFlow> = 1.15.0 下载并运行PyTorch仓库中提供的MNIST样例程序。 修改样例代码，保存网络信息，并使用TensorBoard图片出神经网络数据流图。 继续修改样例代码，记录并保存训练时正确率和损失值，使用TensorBoard画出损失和正确率趋势图。 添加神经网络分析功能（prof
【文件预览】：
ai-system-lab-master
----dataflow.png(28KB)
----.ipynb_checkpoints()
--------mnist-checkpoint.ipynb(72B)
----report.md(2KB)
----mnist_tensorboard.py(8KB)
----mnist_cnn.pt(4.58MB)
----mnist_basic.py(8KB)
----batch16.png(110KB)
----operation_count.png(108KB)
----.idea()
--------Lab1.iml(284B)
--------misc.xml(301B)
--------inspectionProfiles()
--------modules.xml(260B)
--------.gitignore(47B)
----batch1a.png(44KB)
----README.md(3KB)
----runs()
--------fashion_mnist_experiment_1()
----accuracy_loss.png(28KB)
----batch1.png(108KB)
----mnist_profiler.py(7KB)
----batch16a.png(45KB)