- 博客(28)
- 收藏
- 关注
原创 Bubbliiiing的深度学习仓库voc_annovation.py详解
【代码】Bubbliiiing的深度学习仓库voc_annovation.py详解。
2023-09-28 17:03:55
208
原创 json_to_dataset 详解(写成注释的形式)(添加了可以过滤掉无效json文件的代码)
【代码】json_to_dataset (详解)
2023-09-28 10:20:29
491
原创 复现github上深度学习的项目的一些简单操作指令
配置环境:然后再进入环境(输入上面的激活环境的指令就好)如果配置环境的文件格式不是yml, 是txt格式的,也可以输入下面这个指令,其实 -f 指的就是文件的意思。然后在pycharm里配置好自己创建的虚拟环境的python解释器,就可以运行。
2023-08-15 22:37:17
683
原创 小土堆pytorch学习笔记(二十一、完整的模型测试套路)
运行结果,保存了30个世代训练好的模型,将损失值最小的一个下载下来,然后在测试代码中加载,再进行输入,查看预测输出值,是否与targets一致。分别输入狗和飞机的图片后,只有飞机的图片识别成功了。利用已经训练好的模型,然后给他提供输入。
2023-08-10 21:41:47
69
原创 小土堆pytorch学习笔记(十九、完整的模型训练套路.2-3)
其中,cow.train和cow.eval可以查看官方文档,它们只对特定的层有作用,如dropout,要在我搭建的模型中也要有这一层才会起到作用。
2023-08-10 10:18:46
58
原创 小土堆pytorch学习笔记(十七、网络模型的保存与读取)
用方法1保存的模型进行加载时必须将网络模型也复制过去,不过不用创建一个子类。这样就不用将搭建的网络模型复制过去,可以直接加载。加载搭建好的神经网络模型。
2023-08-07 12:38:39
138
1
原创 小土堆pytorch学习笔记(十六、现有网络模型的使用及修改)
代码无法下载,数据集太大,只能手动下载检测预训练的作用:当预训练参数为false时,权重值如下:当预训练参数为true时,权重值如下:再查看vgg16_true的结构:二、应用vgg16模型将之前下载的CIFAR10数据集应用到vgg16模型上,但是由于vgg16模型有1000个分类,而CIFAR10只有10个分类,所以需要修改vgg16模型。有两种方法,一是改变out_feature的输出,由1000改为10,二是再加一层线性层,将1000改为10。运行如下代码:运行结果如下:或者直接
2023-08-07 11:39:03
112
1
原创 小土堆pytorch学习笔记(十三、搭建模型和sequential的使用)
打开Pytorch官网,查看Sequential根据CIFAR10数据集图片特征搭建模型:没有使用sequential的情况,运行如下代码:其中,padding的值的计算按下面的公式:运行结果如下:创建一个输入来检测网络的正确性:结果:二、Sequential的使用使用Sequential搭建模型,可大大简化代码运行结果如下:再加上如下代码,在tensorboard中查验效果:打开tensorboard:打开流程图查看:
2023-08-06 18:13:21
122
1
原创 小土堆pytorch学习笔记(十一、激活函数的使用)
可以打开Pytorch官网查看Relu激活函数其中,有一个关于implace参数的使用:implace的值为True时,会修改原来的输入值,为False时,不会修改原来的输入值,而是返回一个输出值。大于0的数输出原值,小于0的数输出0。
2023-08-04 18:10:15
544
1
原创 小土堆Pytorch学习笔记(十、最大池化的使用)
stride的默认值为kernel_size,而ceil_mode设为True时,输出的图像形状会采用向上取整(ceil),设为False时,输出的图像形状会采用向下取整(floor)。再修改ceil_mode的参数, 由True -> False,再看运行结果如何。注意输入要求格式为浮点数,所以设置了dtype参数。最大池化也被称为下采样。可以看它的一些参数。这就是图像最大池化的结果。以下面的输入图像为例;
2023-08-02 01:41:47
126
原创 小土堆Pytorch学习笔记(九、卷积操作和卷积层)
由以下输入图像和卷积核做卷积操作再由cov2d的参数规定:输入有四个参数,而运行结果显示只有两个(只有高和宽),所以得改成四维,采用torch.reshape( )
2023-08-01 22:53:26
153
1
原创 小土堆pytorch学习笔记(八、神经网络的基本骨架——nn.Module的使用)
要么也可以点击pycharm中的code ->generate ->override。在重写__init__( )方法时一定要注意继承父类的__init__方法。在Pytorch的首页查看torch.nn。查看container中的module。
2023-08-01 17:26:56
164
1
原创 小土堆Pytorch学习笔记(七、DataLoader的使用)
shuffle的值为前后世代的加载数据是否一样,需不需要“洗牌”;drop_last,如果batch size不能整除的话,当值设置为True时就舍去最后一个batch,如果为False时就不舍去。最后一个step的图片不是8x8的了,因为我的drop_last设置为False了,保留了最后一个不被整除的batch,接下来再对它设置为True,并把shufle设置为False。可以看出,它只有155个step了,最后一个八列两行的batch省去了,并且前后两个世代的每个step加载的图片一样。
2023-08-01 00:01:16
99
1
原创 小土堆pytorch学习笔记(六、torchvision中的数据集使用)
一、torchvision中的数据集使用打开pytorch网页 -> Docs -> torchvision -> Dataset运行代码进行下载:import torchvision# 下载torchvision上的CIFAR10数据集,train等于True时下载训练集,否则下载验证集train_set = torchvision.datasets.CIFAR10(root="./dataset", train=True, download=True)test_set =
2023-07-31 20:19:10
95
1
原创 小土堆pytorch学习笔记(五、常见的Transforms(1-2))
Args:.. note::"""# 使用RandomCrop trans_random = transforms . RandomCrop(512) trans_compose_2 = transforms . Compose([ trans_random , trans_totensor ]) for i in range(10) : img_crop = trans_compose_2。
2023-07-30 23:00:20
199
1
原创 小土堆Pytorch学习笔记(三、TensorBoard的使用(2))
从PIL到numpy, 需要在add_image( )中指定shape中每一个数字/维的含义。小土堆使用的是numpy.array( )对PIL图片转换。再使用opencv对numpy型数据进行读取。结果与小土堆的视频吻合。
2023-07-29 23:43:47
92
原创 小土堆Pytorch学习笔记(三、TensorBoard的使用(1))
笔者在pycharm打开本地终端时是PS端,而小土堆打开的直接是虚拟环境里的终端,可以去看小土堆配置pytorch的视频可以看到他改变了pycharm的终端,他使用的是虚拟环境里的anaconda prompt的cmd.exe, 可以在文档——设置——查找终端——进行修改。打开anaconda prompt的文件地址,如果看到快捷方式的话继续打开文件地址,右键属性——安全——对象名称——复制下来,再粘贴到pycharm——文件——设置——终端——shell路径,进行更改。查看一下add_scaler。
2023-07-29 22:49:14
215
原创 小土堆Pytorch学习笔记(三、加载数据)
所有的dataset都应该继承它。所有的子类都应该重写__getitem__方法,子类也可以选择性地重写:__len__方法。
2023-07-29 17:14:22
73
原创 使用python从头开始制作神经网络(学习笔记)
第一件事是将输入颜色值从较大的0到255的范围,缩放至0.01到1.0的范围。将在0到255范围内的原始输入值除以255,就可以得到0到1范围的输入值。然后,需要将所得到的输入乘以0.99,把他们的范围变成0.0到0.99。上面的初始化权重的方式也可以改为另一种较为流行的方式:使用正态概率分布采样权重,其中平均值为0,标准方差为节点传入链接数目的开方,即1/2.将计算得到的输出与所需输出对比,使用差值来指导网络权重的更新。query函数接受神经网络的输入,返回网络的输出。
2023-07-28 18:23:34
966
3
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人