- 博客(8)
- 收藏
- 关注
RSS订阅原创 第P9周：YOLOv5-Backbone模块实现
测试函数和训练函数大致相同，但是由于不进行梯度下降对网络权重进行更新，所以不需要传入优化器。训练营往期文章中有详细的介绍。
2023-12-29 19:59:48
388
1
原创 第P8周：YOLOv5-C3模块实现
- **🍨 本文为[🔗365天深度学习训练营](https://mp.weixin.qq.com/s/rbOOmire8OocQ90QM78DRA) 中的学习记录博客**>- **🍖 原作者：[K同学啊 | 接辅导、项目定制](https://mtyjkh.blog.csdn.net/)**
2023-12-22 16:35:50
363
原创 第P7周：咖啡豆识别
测试函数和训练函数大致相同，但是由于不进行梯度下降对网络权重进行更新，所以不需要传入优化器。📌如果将优化器换成 SGD 会发生什么呢？请自行探索接下来发生的诡异事件的原因。如果设备上支持GPU就使用GPU,否则使用CPU。训练营往期文章中有详细的介绍。
2023-12-15 16:36:42
23
原创 第P5周：运动鞋识别
等间隔动态调整方法，每经过step_size个epoch，做一次学习率decay，以gamma值为缩小倍数。测试函数和训练函数大致相同，但是由于不进行梯度下降对网络权重进行更新，所以不需要传入优化器。如果设备上支持GPU就使用GPU,否则使用CPU。对数据维度进行扩充。给指定位置加上维数为一的维度。对数据的维度进行压缩，去掉维数为1的的维度。在特定的 epoch 中调整学习率。根据自己定义的函数更新学习率。
2023-11-24 20:59:54
37
1
原创 第P4周：猴痘病识别
是 PyTorch 中用于加载和管理数据的一个实用工具类。它允许你以小批次的方式迭代你的数据集，这对于训练神经网络和其他机器学习任务非常有用。测试函数和训练函数大致相同，但是由于不进行梯度下降对网络权重进行更新，所以不需要传入优化器。对数据维度进行扩充。给指定位置加上维数为一的维度。对数据的维度进行压缩，去掉维数为1的的维度。
2023-11-17 21:29:29
34
原创 第P3周：天气识别
方法进行数据集划分。更具体地说，损失函数loss是由模型的所有权重w经过一系列运算得到的，若某个w的requires_grads为True，则w的所有上层参数（后面层的权重w）的.grad_fn属性中就保存了对应的运算，然后在使用。具体来说，torch.tensor是autograd包的基础类，如果你设置tensor的requires_grads为True，就会开始跟踪这个tensor上面的所有运算，如果你做完运算后使用。，所有的梯度就会自动运算，tensor的梯度将会累加到它的.grad属性里面去。
2023-11-10 18:33:11
33
1
原创 第P2周：彩色图片识别
- **🍨 本文为[🔗365天深度学习训练营](https://mp.weixin.qq.com/s/Nb93582M_5usednAKp_Jtw) 中的学习记录博客**>- **🍖 原作者：[K同学啊 | 接辅导、项目定制](https://mtyjkh.blog.csdn.net/)**>- **🚀 文章来源：[K同学的学习圈子](https://www.yuque.com/mingtian-fkmxf/zxwb45)**
2023-11-03 09:05:53
36
原创 深度学习 Day1—— 第P1周：实现mnist手写数字识别
函数会遍历模型的所有参数，通过内置方法截断反向传播的梯度流，再将每个参数的梯度值设为0，即上一次的梯度记录被清空。)是通过autograd包来实现的，autograd包会根据tensor进行过的数学运算来自动计算其对应的梯度。，否则的话，有输入数据，即使不训练，它也会改变权值。保证BN层能够用全部训练数据的均值和方差，即测试过程中要保证BN层的均值和方差不变。step()函数的作用是执行一次优化步骤，通过梯度下降法来更新参数的值。使用dataloader加载数据，并设置好基本的batch_size。
2023-10-26 23:14:03
82
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人