เด เดฒเตเดเดจเดคเตเดคเดฟเตฝ, 30 เดฎเดฟเดจเดฟเดฑเตเดฑเดฟเดจเตเดณเตเดณเดฟเตฝ เดเดฐเต เดฎเตเดทเตเตป เดฒเตเดฃเดฟเดเดเต เดเตปเดตเดฏเตเตบเดฎเตเตปเตเดฑเต เดเดเตเดเดจเต เดธเดเตเดเตเดเดฐเดฟเดเตเดเดพเดฎเตเดจเตเดจเตเด เดเดฎเตเดเต เดคเดฟเดฐเดฟเดเตเดเดฑเดฟเดฏเดฒเดฟเดจเดพเดฏเดฟ เดเดฐเต เดจเตเดฏเตเดฑเตฝ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดธเตเดทเตเดเดฟเดเตเดเดพเดฎเตเดจเตเดจเตเด เดคเตเดเตผเดจเตเดจเต เดเตเดฐเดพเดซเดฟเดเตเดธเต เดชเตเดฐเตเดธเดธเดฑเดฟเตฝ (เดเดฟเดชเดฟเดฏเต) เด
เดคเต เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดเดเตเดเดจเต เดชเตเดฐเดตเตผเดคเตเดคเดฟเดชเตเดชเดฟเดเตเดเดพเดฎเตเดจเตเดจเตเด เดเดพเตป เดจเดฟเดเตเดเดณเตเดเต เดชเดฑเดฏเตเด.
เดเดฆเตเดฏเด, เดเดฐเต เดจเตเดฏเตเดฑเตฝ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดเดจเตเดคเดพเดฃเตเดจเตเดจเต เดจเดฟเตผเดตเดเดฟเดเตเดเดพเด.
เดเดเตเดเดณเตเดเต เดเดพเดฐเตเดฏเดคเตเดคเดฟเตฝ, เดเดคเต เดเดฐเต เดเดฃเดฟเดคเดถเดพเดธเตเดคเตเดฐ เดฎเตเดกเดฒเดพเดฃเต, เด เดคเตเดชเตเดฒเต เดคเดจเตเดจเต เด เดคเดฟเตปเตเดฑเต เดธเตเดซเตเดฑเตเดฑเตเดตเตเดฏเตผ เด เดฒเตเดฒเตเดเตเดเดฟเตฝ เดนเดพเตผเดกเตโเดตเตเดฏเตผ เดเตพเดฐเตเดชเดฎเดพเดฃเต, เดฌเดฏเตเดณเดเดฟเดเตเดเตฝ เดจเตเดฏเตเดฑเตฝ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเตเดเดณเตเดเต เดเตผเดเดจเตเดธเตเดทเตปเตเดฑเตเดฏเตเด เดชเตเดฐเดตเตผเดคเตเดคเดจเดคเตเดคเดฟเตปเตเดฑเตเดฏเตเด เดคเดคเตเดตเดคเตเดคเดฟเตฝ เดจเดฟเตผเดฎเตเดฎเดฟเดเตเดเดคเดพเดฃเต - เดเดฐเต เดเตเดตเดฟเดฏเตเดเต เดจเดพเดกเตเดเตเดถเดเตเดเดณเตเดเต เดถเตเดเดเดฒเดเตพ. เดฎเดธเตเดคเดฟเดทเตเดเดคเตเดคเดฟเตฝ เดธเดเดญเดตเดฟเดเตเดเตเดจเตเดจ เดชเตเดฐเดเตเดฐเดฟเดฏเดเตพ เดชเด เดฟเดเตเดเตเดเดฏเตเด เด เดชเตเดฐเดเตเดฐเดฟเดฏเดเดณเต เดฎเดพเดคเตเดเดฏเดพเดเตเดเดพเตป เดถเตเดฐเดฎเดฟเดเตเดเตเดเดฏเตเด เดเตเดฏเตเดฏเตเดฎเตเดชเตเตพ เด เดเดถเดฏเด เดเดเดฒเตเดเตเดคเตเดคเต.
เดจเตเดฏเตเดฑเตฝ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเตเดเตพ เด เดตเดพเดเตเดเดฟเตปเตเดฑเต เดธเดพเดงเดพเดฐเดฃ เด เตผเดคเตเดฅเดคเตเดคเดฟเตฝ เดชเตเดฐเตเดเตเดฐเดพเด เดเตเดฏเตเดคเดฟเดเตเดเดฟเดฒเตเดฒ, เด เดต เดชเดฐเดฟเดถเตเดฒเดฟเดชเตเดชเดฟเดเตเดเดชเตเดชเตเดเตเดจเตเดจเต. เดชเดฐเดฎเตเดชเดฐเดพเดเดค เด เตฝเดเตเดฐเดฟเดคเดเตเดเดณเตเดเตเดเดพเตพ เดจเตเดฏเตเดฑเตฝ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเตเดเดณเตเดเต เดชเตเดฐเดงเดพเดจ เดจเตเดเตเดเดเตเดเดณเดฟเดฒเตเดจเตเดจเดพเดฃเต เดชเด เดฟเดเตเดเดพเดจเตเดณเตเดณ เดเดดเดฟเดตเต. เดธเดพเดเตเดเตเดคเดฟเดเดฎเดพเดฏเดฟ, เดจเตเดฏเตเดฑเตเดฃเตเดเตพ เดคเดฎเตเดฎเดฟเดฒเตเดณเตเดณ เดฌเดจเตเดงเดเตเดเดณเตเดเต เดเตเดฃเดเดเตเดเตพ เดเดฃเตเดเตเดคเตเดคเตเดจเตเดจเดคเดพเดฃเต เดชเด เดจเด. เดชเดฐเดฟเดถเตเดฒเดจ เดชเตเดฐเดเตเดฐเดฟเดฏเดฏเดฟเตฝ, เดเตปเดชเตเดเตเดเต เดกเดพเดฑเตเดฑเดฏเตเด เดเดเตเดเตเดชเตเดเตเดเต เดกเดพเดฑเตเดฑเดฏเตเด เดคเดฎเตเดฎเดฟเดฒเตเดณเตเดณ เดธเดเตเดเตเตผเดฃเตเดฃเดฎเดพเดฏ เดกเดฟเดชเตปเดกเตปเดธเดฟเดเตพ เดคเดฟเดฐเดฟเดเตเดเดฑเดฟเดฏเดพเดจเตเด เด เดคเตเดชเตเดฒเต เดธเดพเดฎเดพเดจเตเดฏเดตเตฝเดเตเดเดฐเดฃเด เดจเดเดคเตเดคเดพเดจเตเด เดจเตเดฏเตเดฑเตฝ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเดฟเดจเต เดเดดเดฟเดฏเตเด.
เดฎเตเดทเตเตป เดฒเตเดฃเดฟเดเดเดฟเตปเตเดฑเต เดตเตเดเตเดทเดฃเดเตเดฃเดฟเตฝ, เดชเดพเดฑเตเดฑเตเตบ เดคเดฟเดฐเดฟเดเตเดเดฑเดฟเดฏเตฝ เดฐเตเดคเดฟเดเตพ, เดตเดฟเดตเตเดเดจเดชเดฐเดฎเดพเดฏ เดตเดฟเดถเดเดฒเดจเด, เดเตเดฒเดธเตเดฑเตเดฑเดฑเดฟเดเดเต เดฐเตเดคเดฟเดเตพ, เดฎเดฑเตเดฑเต เดฐเตเดคเดฟเดเตพ เดเดจเตเดจเดฟเดตเดฏเตเดเต เดเดฐเต เดชเตเดฐเดคเตเดฏเตเด เดธเดพเดนเดเดฐเตเดฏเดฎเดพเดฃเต เดจเตเดฏเตเดฑเตฝ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต.
เดเดชเดเดฐเดฃเดเตเดเตพ
เดเดฆเตเดฏเด, เดจเดฎเตเดเตเดเต เดเดชเดเดฐเดฃเดเตเดเตพ เดจเตเดเตเดเดพเด. เดฒเดฟเดจเดเตเดธเต เดเดชเตเดชเดฑเตเดฑเตเดฑเดฟเดเดเต เดธเดฟเดธเตเดฑเตเดฑเด เดเตปเดธเตเดฑเตเดฑเดพเตพ เดเตเดฏเตเดค เดเดฐเต เดธเตเตผเดตเตผ เดเดเตเดเตพเดเตเดเต เดเดตเดถเตเดฏเดฎเดพเดฃเต. เดฎเตเดทเตเตป เดฒเตเดฃเดฟเดเดเต เดธเดฟเดธเตเดฑเตเดฑเดเตเดเตพ เดชเตเดฐเดตเตผเดคเตเดคเดฟเดชเตเดชเดฟเดเตเดเตเดจเตเดจเดคเดฟเดจเต เดเดตเดถเตเดฏเดฎเดพเดฏ เดเดชเดเดฐเดฃเดเตเดเตพ เดตเดณเดฐเต เดถเดเตเดคเดตเตเด เด
เดคเดฟเตปเตเดฑเต เดซเดฒเดฎเดพเดฏเดฟ เดเตเดฒเดตเตเดฑเดฟเดฏเดคเตเดฎเดพเดฃเต. เดเดฏเตเดฏเดฟเตฝ เดจเดฒเตเดฒ เดฎเตเดทเตเตป เดเดฒเตเดฒเดพเดคเตเดคเดตเตผเดเตเดเต, เดเตเดฒเตเดกเต เดฆเดพเดคเดพเดเตเดเดณเตเดเต เดเดซเดฑเตเดเตพ เดถเตเดฐเดฆเตเดงเดฟเดเตเดเดพเตป เดเดพเตป เดถเตเดชเดพเตผเดถ เดเตเดฏเตเดฏเตเดจเตเดจเต. เดจเดฟเดเตเดเตพเดเตเดเต เดเดตเดถเตเดฏเดฎเตเดณเตเดณ เดธเตเตผเดตเตผ เดตเตเดเดคเตเดคเดฟเตฝ เดตเดพเดเดเดฏเตโเดเตเดเตเดเตเดเตเดเดพเดจเตเด เดเดชเดฏเตเด เดธเดฎเดฏเดคเตเดคเดฟเดจเต เดฎเดพเดคเตเดฐเด เดชเดฃเด เดจเตฝเดเดพเดจเตเด เดเดดเดฟเดฏเตเด.
เดจเตเดฏเตเดฑเตฝ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเตเดเตพ เดธเตเดทเตเดเดฟเดเตเดเดพเตป เดเดตเดถเตเดฏเดฎเดพเดฏ เดชเตเดฐเตเดเดเตเดฑเตเดฑเตเดเดณเดฟเตฝ, เดเดพเตป เดฑเดทเตเดฏเตป เดเตเดฒเตเดกเต เดฆเดพเดคเดพเดเตเดเดณเดฟเตฝ เดเดฐเดพเดณเตเดเต เดธเตเตผเดตเดฑเตเดเตพ เดเดชเดฏเตเดเดฟเดเตเดเตเดจเตเดจเต. เดเตปเดตเดฟเดกเดฟเดฏเดฏเดฟเตฝ เดจเดฟเดจเตเดจเตเดณเตเดณ เดถเดเตเดคเดฎเดพเดฏ เดเตเดธเตโเดฒ เดตเดฟ100 เดเตเดฐเดพเดซเดฟเดเตโเดธเต เดชเตเดฐเตเดธเดธเดฑเตเดเตพ (เดเดฟเดชเดฟเดฏเต) เดเดชเดฏเตเดเดฟเดเตเดเต เดฎเตเดทเตเตป เดฒเตเดฃเดฟเดเดเดฟเดจเดพเดฏเดฟ เดชเตเดฐเดคเตเดฏเตเดเดฎเดพเดฏเดฟ เดเตเดฒเตเดกเต เดธเตเตผเดตเดฑเตเดเตพ เดตเดพเดเดเดฏเตโเดเตเดเต เดเดฎเตเดชเดจเดฟ เดตเดพเดเตเดฆเดพเดจเด เดเตเดฏเตเดฏเตเดจเตเดจเต. เดเตเดฐเตเดเตเดเดคเตเดคเดฟเตฝ: เดเดฃเดเตเดเตเดเตเดเตเดเดฒเตเดเตพเดเตเดเดพเดฏเดฟ CPU (เด
เดฑเดฟเดฏเดชเตเดชเตเดเตเดจเตเดจ เดธเตเตปเดเตเดฐเตฝ เดชเตเดฐเตเดธเดธเตเดธเดฟเดเดเต เดฏเตเดฃเดฟเดฑเตเดฑเต) เดเดชเดฏเตเดเดฟเดเตเดเตเดจเตเดจ เดธเดฎเดพเดจ เดตเดฟเดฒเดฏเตเดณเตเดณ เดธเตเตผเดตเดฑเตเดฎเดพเดฏเดฟ เดคเดพเดฐเดคเดฎเตเดฏเดชเตเดชเตเดเตเดคเตเดคเตเดฎเตเดชเตเตพ GPU เดเดณเตเดณ เดเดฐเต เดธเตเตผเดตเตผ เดเดชเดฏเตเดเดฟเดเตเดเตเดจเตเดจเดคเต เดชเดคเตเดคเดฟเดฐเดเตเดเดฟ เดเตเดเตเดคเตฝ เดเดพเดฐเตเดฏเดเตเดทเดฎเดฎเดพเดฏเดฟเดฐเดฟเดเตเดเตเด (เดตเตเดเดค). เดเดฟเดชเดฟเดฏเต เดเตผเดเตเดเดฟเดเตเดเตเดเดฑเดฟเตปเตเดฑเต เดธเดตเดฟเดถเตเดทเดคเดเตพ เดเดพเดฐเดฃเด เดเดคเต เดเตเดตเดฐเดฟเดเตเดเดพเดจเดพเดเตเด, เดเดคเต เดเดฃเดเตเดเตเดเตเดเตเดเดฒเตเดเดณเต เดตเตเดเดคเตเดคเดฟเตฝ เดจเตเดฐเดฟเดเตเดจเตเดจเต.
เดเตเดตเดเต เดตเดฟเดตเดฐเดฟเดเตเดเดฟเดฐเดฟเดเตเดเตเดจเตเดจ เดเดฆเดพเดนเดฐเดฃเดเตเดเตพ เดจเดเดชเตเดชเดฟเดฒเดพเดเตเดเดพเตป, เดเดเตเดเตพ เดเดจเดฟเดชเตเดชเดฑเดฏเตเดจเตเดจ เดธเตเตผเดตเตผ เดจเดฟเดฐเดตเดงเดฟ เดฆเดฟเดตเดธเดคเตเดคเตเดเตเดเต เดตเดพเดเตเดเดฟ:
- เดเดธเตเดเดธเตเดกเดฟ เดกเดฟเดธเตเดเต 150 เดเดฟเดฌเดฟ
- เดฑเดพเด 32 เดเดฟเดฌเดฟ
- เดเตเดธเตโเดฒ เดตเดฟ100 16 เดเดฟเดฌเดฟ เดชเตเดฐเตเดธเดธเตผ, 4 เดเตเดฑเตเดเตพ
เดเดเตเดเดณเตเดเต เดฎเตเดทเตเดจเดฟเตฝ เดเดเตเดเตพ เดเดฌเตเดฃเตเดเต 18.04 เดเตปเดธเตเดฑเตเดฑเดพเตพ เดเตเดฏเตเดคเต.
เดชเดฐเดฟเดธเตเดฅเดฟเดคเดฟ เดธเดเตเดเตเดเดฐเดฟเดเตเดเตเดจเตเดจเต
เดเดชเตเดชเตเตพ เดธเตเตผเดตเดฑเดฟเตฝ เดชเตเดฐเดตเตผเดคเตเดคเดฟเดเตเดเดพเตป เดเดตเดถเตเดฏเดฎเดพเดฏ เดเดฒเตเดฒเดพเด เดเตปเดธเตเดฑเตเดฑเดพเตพ เดเตเดฏเตเดฏเดพเด. เดเดเตเดเดณเตเดเต เดฒเตเดเดจเด เดชเตเดฐเดพเดฅเดฎเดฟเดเดฎเดพเดฏเดฟ เดคเตเดเดเตเดเดเตเดเดพเตผเดเตเดเตเดณเตเดณเดคเดฟเดจเดพเตฝ, เด เดตเตผเดเตเดเต เดเดชเดฏเตเดเดชเตเดฐเดฆเดฎเดพเดเตเดจเตเดจ เดเดฟเดฒ เดชเตเดฏเดฟเตปเตเดฑเตเดเดณเตเดเตเดเตเดฑเดฟเดเตเดเต เดเดพเตป เดธเดเดธเดพเดฐเดฟเดเตเดเตเด.
เดเดฐเต เดชเดฐเดฟเดธเตเดฅเดฟเดคเดฟ เดธเดเตเดเตเดเดฐเดฟเดเตเดเตเดฎเตเดชเตเตพ เดงเดพเดฐเดพเดณเด เดเตเดฒเดฟเดเตพ เดเดฎเดพเตปเดกเต เดฒเตเตป เดตเดดเดฟเดฏเดพเดฃเต เดเตเดฏเตเดฏเตเดจเตเดจเดคเต. เดฎเดฟเดเตเด เดเดชเดฏเตเดเตเดคเดพเดเตเดเดณเตเด เด เดตเดฐเตเดเต เดตเตผเดเตเดเดฟเดเดเต เดเดเดธเต เดเดฏเดฟ เดตเดฟเตปเดกเตเดธเต เดเดชเดฏเตเดเดฟเดเตเดเตเดจเตเดจเต. เด OS-เดฒเต เดธเตเดฑเตเดฑเดพเตปเดกเตเตผเดกเต เดเตบเดธเตเตพ เดเดเตเดฐเดนเดฟเดเตเดเตเดจเตเดจเดคเต เดเดฑเตเดฏเดพเดฃเต. เด เดคเดฟเดจเดพเตฝ, เดเดเตเดเตพ เดธเตเดเดฐเตเดฏเดชเตเดฐเดฆเดฎเดพเดฏ เดเดฐเต เดเดชเดเดฐเดฃเด เดเดชเดฏเตเดเดฟเดเตเดเตเด . เดฎเดฟเดจเดฟ เดชเดคเดฟเดชเตเดชเต เดกเตเตบเดฒเตเดกเต เดเตเดฏเตเดคเต Cmder.exe เดฑเตบ เดเตเดฏเตเดฏเตเด. เด เดเตเดคเตเดคเดคเดพเดฏเดฟ เดจเดฟเดเตเดเตพ SSH เดตเดดเดฟ เดธเตเตผเดตเดฑเดฟเดฒเตเดเตเดเต เดเดฃเดเตเดฑเตเดฑเตเดเตเดฏเตเดฏเตเดฃเตเดเดคเตเดฃเตเดเต:
ssh root@server-ip-or-hostnameเดธเตเตผเดตเตผ-ip-or-hostname-เดจเต เดชเดเดฐเด, เดจเดฟเดเตเดเดณเตเดเต เดธเตเตผเดตเดฑเดฟเตปเตเดฑเต IP เดตเดฟเดฒเดพเดธเดฎเต DNS เดชเตเดฐเต เดตเตเดฏเดเตเดคเดฎเดพเดเตเดเตเด. เด เดเตเดคเตเดคเดคเดพเดฏเดฟ, เดชเดพเดธเตโเดตเตเดกเต เดจเตฝเดเตเด, เดเดฃเดเตเดทเตป เดตเดฟเดเดฏเดเดฐเดฎเดพเดฃเตเดเตเดเดฟเตฝ, เดธเดฎเดพเดจเดฎเดพเดฏ เดเดฐเต เดธเดจเตเดฆเตเดถเด เดจเดฎเตเดเตเดเต เดฒเดญเดฟเดเตเดเตเด.
Welcome to Ubuntu 18.04.3 LTS (GNU/Linux 4.15.0-74-generic x86_64)ML เดฎเตเดกเดฒเตเดเตพ เดตเดฟเดเดธเดฟเดชเตเดชเดฟเดเตเดเตเดจเตเดจเดคเดฟเดจเตเดณเตเดณ เดชเตเดฐเดงเดพเดจ เดญเดพเดท เดชเตเดคเตเดคเตบ เดเดฃเต. เดฒเดฟเดจเดเตเดธเดฟเตฝ เดเดชเดฏเตเดเดฟเดเตเดเตเดจเตเดจเดคเดฟเดจเตเดณเตเดณ เดเดฑเตเดฑเดตเตเด เดเดจเดชเตเดฐเดฟเดฏเดฎเดพเดฏ เดชเตเดฒเดพเดฑเตเดฑเตเดซเตเด .
เดจเดฎเตเดเตเดเต เดเดคเต เดจเดฎเตเดฎเตเดเต เดธเตเตผเดตเดฑเดฟเตฝ เดเตปเดธเตเดฑเตเดฑเดพเตพ เดเตเดฏเตเดฏเดพเด.
เดฒเตเดเตเดเตฝ เดชเดพเดเตเดเตเดเต เดฎเดพเดจเตเดเตผ เด เดชเตเดกเตเดฑเตเดฑเต เดเตเดฏเตเดคเตเดเตเดฃเตเดเดพเดฃเต เดเดเตเดเตพ เดเดฐเดเดญเดฟเดเตเดเตเดจเตเดจเดคเต:
sudo apt-get updatecurl เดเตปเดธเตเดฑเตเดฑเดพเตพ เดเตเดฏเตเดฏเตเด (เดเดฎเดพเตปเดกเต เดฒเตเตป เดฏเตเดเตเดเดฟเดฒเดฟเดฑเตเดฑเดฟ):
sudo apt-get install curlเด เดจเดเตเดเตเดฃเตเด เดกเดฟเดธเตเดเตเดฐเดฟเดฌเตเดฏเตเดทเตปเตเดฑเต เดเดฑเตเดฑเดตเตเด เดชเตเดคเดฟเดฏ เดชเดคเดฟเดชเตเดชเต เดกเตเตบเดฒเตเดกเต เดเตเดฏเตเดฏเตเด:
cd /tmp
curl โO https://repo.anaconda.com/archive/Anaconda3-2019.10-Linux-x86_64.shเดจเดฎเตเดเตเดเต เดเตปเดธเตเดฑเตเดฑเดพเดณเตเดทเตป เดเดฐเดเดญเดฟเดเตเดเดพเด:
bash Anaconda3-2019.10-Linux-x86_64.shเดเตปเดธเตเดฑเตเดฑเดพเดณเตเดทเตป เดชเตเดฐเดเตเดฐเดฟเดฏเดฏเดฟเตฝ, เดฒเตเดธเตปเดธเต เดเดฐเดพเตผ เดธเตเดฅเดฟเดฐเตเดเดฐเดฟเดเตเดเดพเตป เดจเดฟเดเตเดเดณเตเดเต เดเดตเดถเตเดฏเดชเตเดชเตเดเตเด. เดตเดฟเดเดฏเดเดฐเดฎเดพเดฏ เดเตปเดธเตเดฑเตเดฑเดพเดณเตเดทเดจเตเดถเตเดทเด เดจเดฟเดเตเดเตพ เดเดคเต เดเดพเดฃเตเด:
Thank you for installing Anaconda3!ML เดฎเตเดกเดฒเตเดเดณเตเดเต เดตเดฟเดเดธเดจเดคเตเดคเดฟเดจเดพเดฏเดฟ เดเดชเตเดชเตเตพ เดจเดฟเดฐเดตเดงเดฟ เดเดเตเดเดเตเดเตเดเตเดเตพ เดธเตเดทเตเดเดฟเดเตเดเดชเตเดชเตเดเตเดเดฟเดฐเดฟเดเตเดเตเดจเตเดจเต: ะธ .
เดเดเตเดเดเตเดเตเดเต เดเดชเดฏเตเดเดฟเดเตเดเตเดจเตเดจเดคเต เดตเดฟเดเดธเดจเดคเตเดคเดฟเตปเตเดฑเต เดตเตเดเดค เดตเตผเดฆเตเดงเดฟเดชเตเดชเดฟเดเตเดเดพเดจเตเด เดธเตเดฑเตเดฑเดพเตปเดกเตเตผเดกเต เดเดพเดธเตเดเตเดเตเดเตพเดเตเดเดพเดฏเดฟ เดฑเตเดกเดฟเดฎเตเดฏเตเดกเต เดเตเดณเตเดเตพ เดเดชเดฏเตเดเดฟเดเตเดเดพเดจเตเด เดจเดฟเดเตเดเดณเต เด เดจเตเดตเดฆเดฟเดเตเดเตเดจเตเดจเต.
เด เดเดฆเดพเดนเดฐเดฃเดคเตเดคเดฟเตฝ เดเดเตเดเตพ PyTorch-เดจเตเดชเตเดชเด เดชเตเดฐเดตเตผเดคเตเดคเดฟเดเตเดเตเด. เดจเดฎเตเดเตเดเต เดเดคเต เดเตปเดธเตเดฑเตเดฑเดพเตพ เดเตเดฏเตเดฏเดพเด:
conda install pytorch torchvision cudatoolkit=10.1 -c pytorchML เดธเตเดชเตเดทเตเดฏเดฒเดฟเดธเตเดฑเตเดฑเตเดเตพเดเตเดเดพเดฏเตเดณเตเดณ เดเดจเดชเตเดฐเดฟเดฏ เดตเดฟเดเดธเดจ เดเดชเดเดฐเดฃเดฎเดพเดฏ เดเตเดชเตเดชเดฟเดฑเตเดฑเตผ เดจเตเดเตเดเตเดฌเตเดเตเดเต เดเดชเตเดชเตเตพ เดจเดฎเตเดเตเดเต เดธเดฎเดพเดฐเดเดญเดฟเดเตเดเตเดฃเตเดเดคเตเดฃเตเดเต. เดเตเดกเต เดเดดเตเดคเดพเดจเตเด เด เดคเดฟเตปเตเดฑเต เดจเดฟเตผเดตเตเดตเดนเดฃเดคเตเดคเดฟเตปเตเดฑเต เดซเดฒเดเตเดเตพ เดเดเดจเดเดฟ เดเดพเดฃเดพเดจเตเด เดเดคเต เดจเดฟเดเตเดเดณเต เด เดจเตเดตเดฆเดฟเดเตเดเตเดจเตเดจเต. เดเตเดชเตเดชเดฟเดฑเตเดฑเตผ เดจเตเดเตเดเตเดฌเตเดเตเดเต เด เดจเดเตเดเตเดฃเตเดเดฏเดฟเตฝ เดเตพเดชเตเดชเตเดเตเดคเตเดคเดฟเดฏเดฟเดเตเดเตเดฃเตเดเต, เดเดเตเดเดณเตเดเต เดธเตเตผเดตเดฑเดฟเตฝ เดเดคเดฟเดจเดเด เดคเดจเตเดจเต เดเตปเดธเตเดฑเตเดฑเดพเตพ เดเตเดฏเตเดคเดฟเดเตเดเตเดฃเตเดเต. เดเดเตเดเดณเตเดเต เดกเตเดธเตเดเตเดเตเดชเตเดชเต เดธเดฟเดธเตเดฑเตเดฑเดคเตเดคเดฟเตฝ เดจเดฟเดจเตเดจเต เดจเดฟเดเตเดเตพ เดเดคเดฟเดฒเตเดเตเดเต เดเดฃเดเตเดฑเตเดฑเตเดเตเดฏเตเดฏเตเดฃเตเดเดคเตเดฃเตเดเต.
เดเดคเต เดเตเดฏเตเดฏเตเดจเตเดจเดคเดฟเดจเต, เดชเตเตผเดเตเดเต 8080 เดตเตเดฏเดเตเดคเดฎเดพเดเตเดเตเดจเตเดจ เดธเตเตผเดตเดฑเดฟเตฝ เดเดเตเดเตพ เดเดฆเตเดฏเด เดเตเดชเตเดชเดฟเดฑเตเดฑเตผ เดธเดฎเดพเดฐเดเดญเดฟเดเตเดเตเด:
jupyter notebook --no-browser --port=8080 --allow-rootเด เดเตเดคเตเดคเดคเดพเดฏเดฟ, เดเดเตเดเดณเตเดเต Cmder เดเตบเดธเตเดณเดฟเตฝ เดฎเดฑเตเดฑเตเดฐเต เดเดพเดฌเต เดคเตเดฑเดเตเดเตเดจเตเดจเต (เดเตเดชเตเดชเต เดฎเตเดจเต - เดชเตเดคเดฟเดฏ เดเตบเดธเตเตพ เดกเดฏเดฒเตเดเต) เดเดเตเดเตพ เดชเตเตผเดเตเดเต 8080 เดตเดดเดฟ SSH เดตเดดเดฟ เดธเตเตผเดตเดฑเดฟเดฒเตเดเตเดเต เดฌเดจเตเดงเดฟเดชเตเดชเดฟเดเตเดเตเด:
ssh -L 8080:localhost:8080 root@server-ip-or-hostnameเดเดเตเดเตพ เดเดฆเตเดฏเดคเตเดคเต เดเดฎเดพเตปเดกเต เดจเตฝเดเตเดฎเตเดชเตเตพ, เดเดเตเดเดณเตเดเต เดฌเตเดฐเตเดธเดฑเดฟเตฝ เดเตเดชเตเดชเดฟเดฑเตเดฑเตผ เดคเตเดฑเดเตเดเตเดจเตเดจเดคเดฟเดจเตเดณเตเดณ เดฒเดฟเดเตเดเตเดเตพ เดตเดพเดเตเดฆเดพเดจเด เดเตเดฏเตเดฏเตเด:
To access the notebook, open this file in a browser:
file:///root/.local/share/jupyter/runtime/nbserver-18788-open.html
Or copy and paste one of these URLs:
http://localhost:8080/?token=cca0bd0b30857821194b9018a5394a4ed2322236f116d311
or http://127.0.0.1:8080/?token=cca0bd0b30857821194b9018a5394a4ed2322236f116d311
เดฒเตเดเตเดเตฝเดนเตเดธเตเดฑเตเดฑเต:8080 เดเดจเตเดจเดคเดฟเดจเดพเดฏเตเดณเตเดณ เดฒเดฟเดเตเดเต เดเดชเดฏเตเดเดฟเดเตเดเดพเด. เดฎเตเดดเตเดตเตป เดชเดพเดคเดฏเตเด เดชเดเตผเดคเตเดคเดฟ เดจเดฟเดเตเดเดณเตเดเต PC-เดฏเตเดเต เดฒเตเดเตเดเตฝ เดฌเตเดฐเตเดธเดฑเดฟเตปเตเดฑเต เดตเดฟเดฒเดพเดธ เดฌเดพเดฑเดฟเตฝ เดเดเตเดเดฟเดเตเดเตเด. เดเตเดชเตเดชเดฟเดฑเตเดฑเตผ เดจเตเดเตเดเตเดฌเตเดเตเดเต เดคเตเดฑเดเตเดเตเด.
เดจเดฎเตเดเตเดเต เดเดฐเต เดชเตเดคเดฟเดฏ เดจเตเดเตเดเตเดฌเตเดเตเดเต เดธเตเดทเตเดเดฟเดเตเดเดพเด: เดชเตเดคเดฟเดฏเดคเต - เดจเตเดเตเดเตเดฌเตเดเตเดเต - เดชเตเดคเตเดคเตบ 3.
เดเดเตเดเตพ เดเตปเดธเตเดฑเตเดฑเดพเตพ เดเตเดฏเตเดค เดเดฒเตเดฒเดพ เดเดเดเดเตเดเดณเตเดเตเดฏเตเด เดถเดฐเดฟเดฏเดพเดฏ เดชเตเดฐเดตเตผเดคเตเดคเดจเด เดชเดฐเดฟเดถเตเดงเดฟเดเตเดเดพเด. เดจเดฎเตเดเตเดเต เดเตเดชเตเดชเดฟเดฑเตเดฑเดฑเดฟเตฝ PyTorch เดเตเดกเดฟเตปเตเดฑเต เดเดฆเดพเดนเดฐเดฃเด เดจเตฝเดเดฟ, เดเดเตเดธเดฟเดเตเดฏเตเดทเตป เดชเตเดฐเดตเตผเดคเตเดคเดฟเดชเตเดชเดฟเดเตเดเดพเด (เดฑเตบ เดฌเดเตเดเตบ):
from __future__ import print_function
import torch
x = torch.rand(5, 3)
print(x)
เดซเดฒเด เดเดคเตเดชเตเดฒเตเดฏเดพเดฏเดฟเดฐเดฟเดเตเดเดฃเด:
เดจเดฟเดเตเดเตพเดเตเดเต เดธเดฎเดพเดจเดฎเดพเดฏ เดซเดฒเดฎเตเดฃเตเดเตเดเตเดเดฟเตฝ, เดเดเตเดเตพ เดเดฒเตเดฒเดพเด เดถเดฐเดฟเดฏเดพเดฏเดฟ เดเตเดฐเดฎเตเดเดฐเดฟเดเตเดเต, เดเดเตเดเตพเดเตเดเต เดเดฐเต เดจเตเดฏเตเดฑเตฝ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดตเดฟเดเดธเดฟเดชเตเดชเดฟเดเตเดเดพเตป เดเดฐเดเดญเดฟเดเตเดเดพเด!
เดเดฐเต เดจเตเดฏเตเดฑเตฝ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดธเตเดทเตเดเดฟเดเตเดเตเดจเตเดจเต
เดเดฎเตเดเต เดคเดฟเดฐเดฟเดเตเดเดฑเดฟเดฏเตเดจเตเดจเดคเดฟเดจเดพเดฏเดฟ เดเดเตเดเตพ เดเดฐเต เดจเตเดฏเตเดฑเตฝ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดธเตเดทเตเดเดฟเดเตเดเตเด. เดจเดฎเตเดเตเดเต เดเดคเต เด เดเดฟเดธเตเดฅเดพเดจเดฎเดพเดฏเดฟ เดเดเตเดเตเดเดพเด .
เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเดฟเดจเต เดชเดฐเดฟเดถเตเดฒเดฟเดชเตเดชเดฟเดเตเดเดพเตป เดเดเตเดเตพ เดชเตเดคเตเดตเดพเดฏเดฟ เดฒเดญเตเดฏเดฎเดพเดฏ CIFAR10 เดกเดพเดฑเตเดฑเดพเดธเตเดฑเตเดฑเต เดเดชเดฏเตเดเดฟเดเตเดเตเด. เดเดคเดฟเดจเต เดเตเดฒเดพเดธเตเดเดณเตเดฃเตเดเต: "เดตเดฟเดฎเดพเดจเด", "เดเดพเตผ", "เดชเดเตเดทเดฟ", "เดชเตเดเตเด", "เดฎเดพเตป", "เดจเดพเดฏ", "เดคเดตเดณ", "เดเตเดคเดฟเดฐ", "เดเดชเตเดชเตฝ", "เดเตเดฐเดเตเดเต". CIFAR10-เดฒเต เดเดฟเดคเตเดฐเดเตเดเตพ 3x32x32 เดเดฃเต, เด เดคเดพเดฏเดคเต 3x32 เดชเดฟเดเตเดธเดฒเดฟเตปเตเดฑเต 32-เดเดพเดจเตฝ เดเดณเตผ เดเดฎเตเดเตเดเตพ.
เดเตเดฒเดฟเดเตเดเดพเดฏเดฟ, เดเดฟเดคเตเดฐเดเตเดเดณเตเดฎเดพเดฏเดฟ เดชเตเดฐเดตเตผเดคเตเดคเดฟเดเตเดเดพเตป PyTorch เดธเตเดทเตเดเดฟเดเตเด เดชเดพเดเตเดเตเดเต เดเดเตเดเตพ เดเดชเดฏเตเดเดฟเดเตเดเตเด - เดเตเตผเดเตเดเตเดตเดฟเดทเตป.
เดเดเตเดเตพ เดเดจเดฟเดชเตเดชเดฑเดฏเตเดจเตเดจ เดเดเตเดเดเตเดเตพ เดเตเดฐเดฎเดคเตเดคเดฟเตฝ เดเตเดฏเตเดฏเตเด:
- เดชเดฐเดฟเดถเตเดฒเดจเดตเตเด เดเตเดธเตเดฑเตเดฑเต เดกเดพเดฑเตเดฑเดพ เดธเตเดฑเตเดฑเตเดเดณเตเด เดฒเตเดกเตเดเตเดฏเตเดฏเตเดเดฏเตเด เดธเดพเดงเดพเดฐเดฃเดฎเดพเดเตเดเตเดเดฏเตเด เดเตเดฏเตเดฏเตเดจเตเดจเต
- เดจเตเดฏเตเดฑเตฝ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดจเดฟเตผเดตเตเดตเดเดจเด
- เดชเดฐเดฟเดถเตเดฒเดจ เดกเดพเดฑเตเดฑเดฏเตเดเตเดเตเดฑเดฟเดเตเดเตเดณเตเดณ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดชเดฐเดฟเดถเตเดฒเดจเด
- เดเตเดธเตเดฑเตเดฑเต เดกเดพเดฑเตเดฑเดฏเดฟเตฝ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดเตเดธเตเดฑเตเดฑเดฟเดเดเต
- เดเดฟเดชเดฟเดฏเต เดเดชเดฏเตเดเดฟเดเตเดเต เดชเดฐเดฟเดถเตเดฒเดจเดตเตเด เดชเดฐเดฟเดถเตเดงเดจเดฏเตเด เดเดตเตผเดคเตเดคเดฟเดเตเดเดพเด
เดคเดพเดดเตเดฏเตเดณเตเดณ เดเดฒเตเดฒเดพ เดเตเดกเตเดเดณเตเด เดเดเตเดเตพ เดเตเดชเตเดชเดฟเดฑเตเดฑเตผ เดจเตเดเตเดเตเดฌเตเดเตเดเดฟเตฝ เดเดเตเดธเดฟเดเตเดฏเตเดเตเดเต เดเตเดฏเตเดฏเตเด.
CIFAR10 เดฒเตเดกเตเดเตเดฏเตเดฏเตเดเดฏเตเด เดธเดพเดงเดพเดฐเดฃเดฎเดพเดเตเดเตเดเดฏเตเด เดเตเดฏเตเดฏเตเดจเตเดจเต
เดเตเดชเตเดชเดฟเดฑเตเดฑเดฑเดฟเตฝ เดเดจเดฟเดชเตเดชเดฑเดฏเตเดจเตเดจ เดเตเดกเต เดชเดเตผเดคเตเดคเดฟ เดชเตเดฐเดตเตผเดคเตเดคเดฟเดชเตเดชเดฟเดเตเดเตเด:
import torch
import torchvision
import torchvision.transforms as transforms
transform = transforms.Compose(
[transforms.ToTensor(),
transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4,
shuffle=True, num_workers=2)
testset = torchvision.datasets.CIFAR10(root='./data', train=False,
download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=4,
shuffle=False, num_workers=2)
classes = ('plane', 'car', 'bird', 'cat',
'deer', 'dog', 'frog', 'horse', 'ship', 'truck')เดเดคเตเดคเดฐเด เดเดคเดพเดฏเดฟเดฐเดฟเดเตเดเดฃเด:
Downloading https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz to ./data/cifar-10-python.tar.gz
Extracting ./data/cifar-10-python.tar.gz to ./data
Files already downloaded and verifiedเดชเดฐเตเดเตเดทเดฃเดคเตเดคเดฟเดจเดพเดฏเดฟ เดจเดฎเตเดเตเดเต เดจเดฟเดฐเดตเดงเดฟ เดชเดฐเดฟเดถเตเดฒเดจ เดเดฟเดคเตเดฐเดเตเดเตพ เดชเตเดฐเดฆเตผเดถเดฟเดชเตเดชเดฟเดเตเดเดพเด:
import matplotlib.pyplot as plt
import numpy as np
# functions to show an image
def imshow(img):
img = img / 2 + 0.5 # unnormalize
npimg = img.numpy()
plt.imshow(np.transpose(npimg, (1, 2, 0)))
plt.show()
# get some random training images
dataiter = iter(trainloader)
images, labels = dataiter.next()
# show images
imshow(torchvision.utils.make_grid(images))
# print labels
print(' '.join('%5s' % classes[labels[j]] for j in range(4)))
เดจเตเดฏเตเดฑเตฝ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดจเดฟเตผเดตเตเดตเดเดจเด
เดเดฟเดคเตเดฐเด เดคเดฟเดฐเดฟเดเตเดเดฑเดฟเดฏเตเดจเตเดจเดคเดฟเดจเตเดณเตเดณ เดเดฐเต เดจเตเดฏเตเดฑเตฝ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดเดเตเดเดจเต เดชเตเดฐเดตเตผเดคเตเดคเดฟเดเตเดเตเดจเตเดจเตเดตเตเดจเตเดจเต เดจเดฎเตเดเตเดเต เดเดฆเตเดฏเด เดจเตเดเตเดเดพเด. เดเดคเตเดฐเต เดฒเดณเดฟเดคเดฎเดพเดฏ เดชเตเดฏเดฟเตปเตเดฑเต-เดเต-เดชเตเดฏเดฟเตปเตเดฑเต เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเดพเดฃเต. เดเดคเต เดเตปเดชเตเดเตเดเต เดกเดพเดฑเตเดฑ เดเดเตเดเตเดเตเดจเตเดจเต, เดจเดฟเดฐเดตเดงเดฟ เดฒเตเดฏเดฑเตเดเดณเดฟเตฝ เดเดจเตเดจเดพเดฏเดฟ เดเดเดจเตเดจเตเดชเตเดเตเดจเตเดจเต, เดคเตเดเตผเดจเตเดจเต เด เดตเดธเดพเดจเด เดเดเตเดเตเดชเตเดเตเดเต เดกเดพเดฑเตเดฑ เดจเดฟเตผเดฎเตเดฎเดฟเดเตเดเตเดจเตเดจเต.
เดจเดฎเตเดฎเตเดเต เดชเดฐเดฟเดคเดธเตเดฅเดฟเดคเดฟเดฏเดฟเตฝ เดธเดฎเดพเดจเดฎเดพเดฏ เดเดฐเต เดถเตเดเดเดฒ เดธเตเดทเตเดเดฟเดเตเดเดพเด:
import torch.nn as nn
import torch.nn.functional as F
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
self.conv1 = nn.Conv2d(3, 6, 5)
self.pool = nn.MaxPool2d(2, 2)
self.conv2 = nn.Conv2d(6, 16, 5)
self.fc1 = nn.Linear(16 * 5 * 5, 120)
self.fc2 = nn.Linear(120, 84)
self.fc3 = nn.Linear(84, 10)
def forward(self, x):
x = self.pool(F.relu(self.conv1(x)))
x = self.pool(F.relu(self.conv2(x)))
x = x.view(-1, 16 * 5 * 5)
x = F.relu(self.fc1(x))
x = F.relu(self.fc2(x))
x = self.fc3(x)
return x
net = Net()
เดเดฐเต เดฒเตเดธเต เดซเดเดเตเดทเดจเตเด เดเดชเตเดฑเตเดฑเดฟเดฎเตเดธเดฑเตเด เดเดเตเดเตพ เดจเดฟเตผเดตเตเดตเดเดฟเดเตเดเตเดจเตเดจเต
import torch.optim as optim
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)เดชเดฐเดฟเดถเตเดฒเดจ เดกเดพเดฑเตเดฑเดฏเตเดเตเดเตเดฑเดฟเดเตเดเตเดณเตเดณ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดชเดฐเดฟเดถเตเดฒเดจเด
เดจเดฎเตเดเตเดเต เดจเดฎเตเดฎเตเดเต เดจเตเดฏเตเดฑเตฝ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดชเดฐเดฟเดถเตเดฒเดจเด เดเดฐเดเดญเดฟเดเตเดเดพเด. เดจเดฟเดเตเดเตพ เด เดเตเดกเต เดชเตเดฐเดตเตผเดคเตเดคเดฟเดชเตเดชเดฟเดเตเดเดคเดฟเดจเต เดถเตเดทเด, เดเตเดฒเดฟ เดชเตเตผเดคเตเดคเดฟเดฏเดพเดเตเดจเตเดจเดคเตเดตเดฐเต เดเตเดฑเดเตเดเต เดธเดฎเดฏเด เดเดพเดคเตเดคเดฟเดฐเดฟเดเตเดเตเดฃเตเดเดฟเดตเดฐเตเดฎเตเดจเตเดจเต เดฆเดฏเดตเดพเดฏเดฟ เดถเตเดฐเดฆเตเดงเดฟเดเตเดเตเด. เดเดจเดฟเดเตเดเต 5 เดฎเดฟเดจเดฟเดฑเตเดฑเต เดเดเตเดคเตเดคเต. เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดชเดฐเดฟเดถเตเดฒเดฟเดชเตเดชเดฟเดเตเดเดพเตป เดธเดฎเดฏเดฎเตเดเตเดเตเดเตเด.
for epoch in range(2): # loop over the dataset multiple times
running_loss = 0.0
for i, data in enumerate(trainloader, 0):
# get the inputs; data is a list of [inputs, labels]
inputs, labels = data
# zero the parameter gradients
optimizer.zero_grad()
# forward + backward + optimize
outputs = net(inputs)
loss = criterion(outputs, labels)
loss.backward()
optimizer.step()
# print statistics
running_loss += loss.item()
if i % 2000 == 1999: # print every 2000 mini-batches
print('[%d, %5d] loss: %.3f' %
(epoch + 1, i + 1, running_loss / 2000))
running_loss = 0.0
print('Finished Training')
เดเดเตเดเตพเดเตเดเต เดเดจเดฟเดชเตเดชเดฑเดฏเตเดจเตเดจ เดซเดฒเด เดฒเดญเดฟเดเตเดเตเด:
เดเดเตเดเดณเตเดเต เดชเดฐเดฟเดถเตเดฒเดจเด เดฒเดญเดฟเดเตเด เดฎเตเดกเตฝ เดเดเตเดเตพ เดธเดเดฐเดเตเดทเดฟเดเตเดเตเดจเตเดจเต:
PATH = './cifar_net.pth'
torch.save(net.state_dict(), PATH)เดเตเดธเตเดฑเตเดฑเต เดกเดพเดฑเตเดฑเดฏเดฟเตฝ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดเตเดธเตเดฑเตเดฑเดฟเดเดเต
เดเดฐเต เดเตเดเตเดเด เดชเดฐเดฟเดถเตเดฒเดจ เดกเดพเดฑเตเดฑ เดเดชเดฏเตเดเดฟเดเตเดเต เดเดเตเดเตพ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเดฟเดจเต เดชเดฐเดฟเดถเตเดฒเดฟเดชเตเดชเดฟเดเตเดเต. เดเดจเตเดจเดพเตฝ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดเดจเตเดคเตเดเตเดเดฟเดฒเตเด เดชเด เดฟเดเตเดเดฟเดเตเดเตเดฃเตเดเต เดเดจเตเดจเต เดชเดฐเดฟเดถเตเดงเดฟเดเตเดเตเดฃเตเดเดคเตเดฃเตเดเต.
เดจเตเดฏเตเดฑเตฝ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดเดเตเดเตโเดชเตเดเตเดเต เดเตเดฏเตเดฏเตเดจเตเดจ เดเตเดฒเดพเดธเต เดฒเตเดฌเตฝ เดชเตเดฐเดตเดเดฟเดเตเดเต เดเดคเต เดถเดฐเดฟเดฏเดพเดฃเต เดเดจเตเดจเต เดชเดฐเดฟเดถเตเดงเดฟเดเตเดเดพเตป เดเดเตเดเตพ เดเดคเต เดชเดฐเดฟเดถเตเดงเดฟเดเตเดเตเด. เดชเตเดฐเดตเดเดจเด เดถเดฐเดฟเดฏเดพเดฃเตเดเตเดเดฟเตฝ, เดถเดฐเดฟเดฏเดพเดฏ เดชเตเดฐเดตเดเดจเดเตเดเดณเตเดเต เดชเดเตเดเดฟเดเดฏเดฟเดฒเตเดเตเดเต เดเดเตเดเตพ เดธเดพเดฎเตเดชเดฟเตพ เดเตเตผเดเตเดเตเดจเตเดจเต.
เดเตเดธเตเดฑเตเดฑเต เดธเตเดฑเตเดฑเดฟเตฝ เดจเดฟเดจเตเดจเต เดเดฐเต เดเดฟเดคเตเดฐเด เดเดพเดฃเดฟเดเตเดเดพเด:
dataiter = iter(testloader)
images, labels = dataiter.next()
# print images
imshow(torchvision.utils.make_grid(images))
print('GroundTruth: ', ' '.join('%5s' % classes[labels[j]] for j in range(4)))
เดเดจเดฟ เด เดเดฟเดคเตเดฐเดเตเดเดณเดฟเตฝ เดเดจเตเดคเดพเดฃเต เดเดณเตเดณเดคเตเดจเตเดจเต เดชเดฑเดฏเดพเตป เดจเตเดฏเตเดฑเตฝ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเดฟเดจเตเดเต เดเดตเดถเตเดฏเดชเตเดชเตเดเดพเด:
net = Net()
net.load_state_dict(torch.load(PATH))
outputs = net(images)
_, predicted = torch.max(outputs, 1)
print('Predicted: ', ' '.join('%5s' % classes[predicted[j]]
for j in range(4)))
เดซเดฒเดเตเดเตพ เดตเดณเดฐเต เดจเดฒเตเดฒเดคเดพเดฏเดฟ เดคเตเดจเตเดจเตเดจเตเดจเต: เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดจเดพเดฒเดฟเตฝ เดฎเตเดจเตเดจเตเดฃเตเดฃเด เดถเดฐเดฟเดฏเดพเดฏเดฟ เดคเดฟเดฐเดฟเดเตเดเดฑเดฟเดเตเดเต.
เดฎเตเดดเตเดตเตป เดกเดพเดฑเตเดฑเดพเดธเตเดฑเตเดฑเดฟเดฒเตเด เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดเดเตเดเดจเต เดชเตเดฐเดตเตผเดคเตเดคเดฟเดเตเดเตเดจเตเดจเตเดตเตเดจเตเดจเต เดจเตเดเตเดเดพเด.
correct = 0
total = 0
with torch.no_grad():
for data in testloader:
images, labels = data
outputs = net(images)
_, predicted = torch.max(outputs.data, 1)
total += labels.size(0)
correct += (predicted == labels).sum().item()
print('Accuracy of the network on the 10000 test images: %d %%' % (
100 * correct / total))
เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดเดจเตเดคเต เด
เดฑเดฟเดฏเตเดเดฏเตเด เดชเตเดฐเดตเตผเดคเตเดคเดฟเดเตเดเตเดเดฏเตเด เดเตเดฏเตเดฏเตเดจเตเดจเดคเดพเดฏเดฟ เดคเตเดจเตเดจเตเดจเตเดจเต. เด
เดตเตป เดเตเดฐเดฎเดฐเดนเดฟเดคเดฎเดพเดฏเดฟ เดเตเดฒเดพเดธเตเดเตพ เดจเดฟเตผเดฃเตเดฃเดฏเดฟเดเตเดเดพเตฝ, เดเตเดคเตเดฏเดค 10% เดเดฏเดฟเดฐเดฟเดเตเดเตเด.
เดเดคเตเดเตเดเต เดเตเดฒเดพเดธเตเดเดณเดพเดฃเต เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดจเดจเตเดจเดพเดฏเดฟ เดคเดฟเดฐเดฟเดเตเดเดฑเดฟเดฏเตเดจเตเดจเดคเตเดจเตเดจเต เดเดชเตเดชเตเตพ เดจเตเดเตเดเดพเด:
class_correct = list(0. for i in range(10))
class_total = list(0. for i in range(10))
with torch.no_grad():
for data in testloader:
images, labels = data
outputs = net(images)
_, predicted = torch.max(outputs, 1)
c = (predicted == labels).squeeze()
for i in range(4):
label = labels[i]
class_correct[label] += c[i].item()
class_total[label] += 1
for i in range(10):
print('Accuracy of %5s : %2d %%' % (
classes[i], 100 * class_correct[i] / class_total[i]))
เดเดพเดฑเตเดเดณเตเด เดเดชเตเดชเดฒเตเดเดณเตเด เดคเดฟเดฐเดฟเดเตเดเดฑเดฟเดฏเตเดจเตเดจเดคเดฟเตฝ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดฎเดฟเดเดเตเดเดคเดพเดฃเตเดจเตเดจเต เดคเตเดจเตเดจเตเดจเตเดจเต: 71% เดเตเดคเตเดฏเดค.
เด เดคเดฟเดจเดพเตฝ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดชเตเดฐเดตเตผเดคเตเดคเดฟเดเตเดเตเดจเตเดจเต. เดเดชเตเดชเตเตพ เดจเดฎเตเดเตเดเต เด เดคเดฟเตปเตเดฑเต เดเตเดฒเดฟ เดเตเดฐเดพเดซเดฟเดเตเดธเต เดชเตเดฐเตเดธเดธเดฑเดฟเดฒเตเดเตเดเต (เดเดฟเดชเดฟเดฏเต) เดเตเดฎเดพเดฑเดพเตป เดถเตเดฐเดฎเดฟเดเตเดเดพเด, เดเดจเตเดคเดพเดฃเต เดฎเดพเดฑเตเดฑเดฎเตเดจเตเดจเต เดจเตเดเตเดเดพเด.
เดเดฟเดชเดฟเดฏเตเดตเดฟเตฝ เดเดฐเต เดจเตเดฏเตเดฑเตฝ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดชเดฐเดฟเดถเตเดฒเดฟเดชเตเดชเดฟเดเตเดเตเดจเตเดจเต
เดเดฆเตเดฏเด, CUDA เดเดจเตเดคเดพเดฃเตเดจเตเดจเต เดเดพเตป เดเตเดฐเตเดเตเดเดฎเดพเดฏเดฟ เดตเดฟเดถเดฆเตเดเดฐเดฟเดเตเดเตเด. เดเตเดฐเดพเดซเดฟเดเตโเดธเต เดชเตเดฐเตเดธเดธเตเดธเดฟเดเดเต เดฏเตเดฃเดฟเดฑเตเดฑเตเดเดณเดฟเตฝ (เดเดฟเดชเดฟเดฏเต) เดเดจเดฑเตฝ เดเดฎเตเดชเตเดฏเตเดเตเดเดฟเดเดเดฟเดจเดพเดฏเดฟ เดเตปเดตเดฟเดกเดฟเดฏ เดตเดฟเดเดธเดฟเดชเตเดชเดฟเดเตเด เดธเดฎเดพเดจเตเดคเดฐ เดเดฎเตเดชเตเดฏเตเดเตเดเดฟเดเดเต เดชเตเดฒเดพเดฑเตเดฑเตโเดซเตเดฎเดพเดฃเต CUDA (เดเดฎเตเดชเตเดฏเตเดเตเดเต เดฏเตเดฃเดฟเดซเตเดกเต เดกเดฟเดตเตเดธเต เดเตผเดเตเดเดฟเดเตเดเตเดเตผ). CUDA เดเดชเดฏเตเดเดฟเดเตเดเต, เดกเดตเดฒเดชเตเดชเตผเดฎเดพเตผเดเตเดเต GPU-เดเดณเตเดเต เดถเดเตเดคเดฟ เดชเตเดฐเดฏเตเดเดจเดชเตเดชเตเดเตเดคเตเดคเดฟ เดเดฎเตเดชเตเดฏเตเดเตเดเดฟเดเดเต เดเดชเตเดฒเดฟเดเตเดเตเดทเดจเตเดเตพ เดจเดพเดเดเตเดฏเดฎเดพเดฏเดฟ เดคเตเดตเดฐเดฟเดคเดชเตเดชเตเดเตเดคเตเดคเดพเตป เดเดดเดฟเดฏเตเด. เดเดเตเดเตพ เดตเดพเดเตเดเดฟเดฏ เดเดเตเดเดณเตเดเต เดธเตเตผเดตเดฑเดฟเตฝ เด เดชเตเดฒเดพเดฑเตเดฑเตเดซเตเด เดเดคเดฟเดจเดเด เดเตปเดธเตเดฑเตเดฑเดพเตพ เดเตเดฏเตเดคเดฟเดเตเดเตเดฃเตเดเต.
เดจเดฎเตเดเตเดเต เดเดฆเตเดฏเด เดจเดฎเตเดฎเตเดเต เดเดฟเดชเดฟเดฏเต เดเดฆเตเดฏเด เดฆเตเดถเตเดฏเดฎเดพเดเตเดจเตเดจ cuda เดเดชเดเดฐเดฃเดฎเดพเดฏเดฟ เดจเดฟเตผเดตเดเดฟเดเตเดเดพเด.
device = torch . device ( "cuda:0" if torch . cuda . is_available () else "cpu" )
# Assuming that we are on a CUDA machine, this should print a CUDA device:
print ( device )
เดเดฟเดชเดฟเดฏเตเดตเดฟเดฒเตเดเตเดเต เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เด
เดฏเดฏเตโเดเตเดเตเดจเตเดจเต:
net.to(device)เดเดฟเดชเดฟเดฏเตเดตเดฟเดฒเตเดเตเดเต เดเดฐเต เดเดเตเดเดคเตเดคเดฟเดฒเตเด เดเดเตเดเตพ เดเตปเดชเตเดเตเดเตเดเดณเตเด เดเดพเตผเดเตเดฑเตเดฑเตเดเดณเตเด เด เดฏเดฏเตโเดเตเดเตเดฃเตเดเดคเตเดฃเตเดเต:
inputs, labels = data[0].to(device), data[1].to(device)เดจเดฎเตเดเตเดเต เดเดฟเดชเดฟเดฏเตเดตเดฟเตฝ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดตเตเดฃเตเดเตเด เดชเดฐเดฟเดถเตเดฒเดฟเดชเตเดชเดฟเดเตเดเดพเด:
import torch.optim as optim
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)
for epoch in range(2): # loop over the dataset multiple times
running_loss = 0.0
for i, data in enumerate(trainloader, 0):
# get the inputs; data is a list of [inputs, labels]
inputs, labels = data[0].to(device), data[1].to(device)
# zero the parameter gradients
optimizer.zero_grad()
# forward + backward + optimize
outputs = net(inputs)
loss = criterion(outputs, labels)
loss.backward()
optimizer.step()
# print statistics
running_loss += loss.item()
if i % 2000 == 1999: # print every 2000 mini-batches
print('[%d, %5d] loss: %.3f' %
(epoch + 1, i + 1, running_loss / 2000))
running_loss = 0.0
print('Finished Training')เดเดคเตเดคเดตเดฃ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดชเดฐเดฟเดถเตเดฒเดจเด เดเดเดฆเตเดถเด 3 เดฎเดฟเดจเดฟเดฑเตเดฑเต เดจเตเดฃเตเดเตเดจเดฟเดจเตเดจเต. เดเดฐเต เดชเดฐเดฎเตเดชเดฐเดพเดเดค เดชเตเดฐเตเดธเดธเดฑเดฟเดฒเต เด เดคเต เดเดเตเดเด 5 เดฎเดฟเดจเดฟเดฑเตเดฑเต เดจเตเดฃเตเดเตเดจเดฟเดจเตเดจเดคเต เดจเดฎเตเดเตเดเต เดเตผเดเตเดเดพเด. เดตเตเดฏเดคเตเดฏเดพเดธเด เดชเตเดฐเดพเดงเดพเดจเตเดฏเดฎเตผเดนเดฟเดเตเดเตเดจเตเดจเดฟเดฒเตเดฒ, เดเดเตเดเดณเตเดเต เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เด เดคเตเดฐ เดตเดฒเตเดคเดฒเตเดฒเดพเดคเตเดคเดคเดฟเดจเดพเดฒเดพเดฃเต เดเดคเต เดธเดเดญเดตเดฟเดเตเดเตเดจเตเดจเดคเต. เดชเดฐเดฟเดถเตเดฒเดจเดคเตเดคเดฟเดจเดพเดฏเดฟ เดตเดฒเดฟเดฏ เด เดฑเตเดเตพ เดเดชเดฏเตเดเดฟเดเตเดเตเดฎเตเดชเตเตพ, เดเดฟเดชเดฟเดฏเตเดตเตเด เดชเดฐเดฎเตเดชเดฐเดพเดเดค เดชเตเดฐเตเดธเดธเดฑเตเด เดคเดฎเตเดฎเดฟเดฒเตเดณเตเดณ เดตเตเดฏเดคเตเดฏเดพเดธเด เดตเตผเดฆเตเดงเดฟเดเตเดเตเด.
เด เดคเต เดเดฒเตเดฒเดพเด เดเดฃเตเดจเตเดจเต เดคเตเดจเตเดจเตเดจเตเดจเต. เดเดเตเดเตพเดเตเดเต เดเตเดฏเตเดฏเดพเตป เดเดดเดฟเดเตเดเดคเต:
- เดเดฐเต เดเดฟเดชเดฟเดฏเต เดเดจเตเดคเดพเดฃเตเดจเตเดจเต เดเดเตเดเตพ เดจเตเดเตเดเดฟ, เด เดคเต เดเตปเดธเตเดฑเตเดฑเดพเตพ เดเตเดฏเตเดค เดธเตเตผเดตเตผ เดคเดฟเดฐเดเตเดเตเดเตเดคเตเดคเต;
- เดเดฐเต เดจเตเดฏเตเดฑเตฝ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดธเตเดทเตโเดเดฟเดเตเดเตเดจเตเดจเดคเดฟเดจเต เดเดเตเดเตพ เดเดฐเต เดธเตเดซเตเดฑเตเดฑเตโเดตเตเดฏเตผ เดชเดฐเดฟเดคเดธเตเดฅเดฟเดคเดฟ เดธเดเตเดเตเดเดฐเดฟเดเตเดเดฟเดเตเดเตเดฃเตเดเต;
- เดเดฎเตเดเต เดคเดฟเดฐเดฟเดเตเดเดฑเดฟเดฏเดฒเดฟเดจเดพเดฏเดฟ เดเดเตเดเตพ เดเดฐเต เดจเตเดฏเตเดฑเตฝ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดธเตเดทเตเดเดฟเดเตเดเตเดเดฏเตเด เด เดคเต เดชเดฐเดฟเดถเตเดฒเดฟเดชเตเดชเดฟเดเตเดเตเดเดฏเตเด เดเตเดฏเตเดคเต;
- เดเดฟเดชเดฟเดฏเต เดเดชเดฏเตเดเดฟเดเตเดเต เดเดเตเดเตพ เดจเตเดฑเตเดฑเตโเดตเตผเดเตเดเต เดชเดฐเดฟเดถเตเดฒเดจเด เดเดตเตผเดคเตเดคเดฟเดเตเดเตเดเดฏเตเด เดตเตเดเดคเดฏเดฟเตฝ เดตเตผเดฆเตเดงเดจเดตเต เดฒเดญเดฟเดเตเดเตเดเดฏเตเด เดเตเดฏเตเดคเต.
เด
เดญเดฟเดชเตเดฐเดพเดฏเดเตเดเดณเดฟเดฒเต เดเตเดฆเตเดฏเดเตเดเตพเดเตเดเต เดเดคเตเดคเดฐเด เดจเตฝเดเตเดจเตเดจเดคเดฟเตฝ เดเดพเตป เดธเดจเตเดคเตเดทเตเดเดจเดพเดเตเด.
เด
เดตเดฒเดเดฌเด: www.habr.com