- 博客(6)
- 收藏
- 关注
RSS订阅原创 用于记录pytorch处理过程中不熟悉的函数运算规则--动态更新
通过torch.bmm(batch1, batch2)，我们将batch1和batch2的最后两个维度进行矩阵乘法操作。这将生成一个形状为(10, 3, 5)的结果张量result，其中第一个维度表示批量大小，第二个维度表示batch1中的矩阵数量，第三个维度表示batch2中的矩阵数量。具体而言，torch.bmm(input, mat2)函数执行的是将input与mat2进行批量矩阵乘法的操作。这意味着它会对input和mat2的最后两个维度执行矩阵乘法，并保持其他维度不变。
2024-08-05 11:45:27
188
原创 手撕深度学习：经典CNN网络结构理解汇总Lenet、Alexnet、VGG、Googlenet、Resnet
这些网络在深度学习的发展过程中起到了至关重要的作用，它们的设计思想和创新点为后续的研究和应用提供了宝贵的经验和灵感。也算是对卷积神经网络的一个小总结了，对网络的单一手撕感觉在2024年这个时间节点已经没有必要了，寻求统一的方式对过往经典卷积神经网络进行汇总说明是快速进入下一阶段内容学习的小技巧。通过理解和掌握这五种经典的卷积神经网络结构，我们可以深入了解卷积神经网络的发展历程和设计思路，为后续的深度学习研究和应用奠定坚实的基础。在这一章节，我们将详细的给出五种模型的网络结构，以方便通用调用来实现模型训练。
2024-08-03 16:01:11
1486
原创 Linux服务器管理（2）----- 因cupsd导致系统盘爆满，vscode访问不了如何解决
在Linux系统管理中，对系统进程和服务的管理是保持系统安全和高效运行的基础。本文将详细介绍如何解决由于CUPS守护进程（cupsd）导致系统盘爆满的问题，以及如何恢复VSCode的访问，以确保服务器的正常运行和使用。
2024-07-02 23:54:10
816
原创 手撕深度学习：从零开始实现LeNet网络
LeNet是由Yann LeCun于1998年设计，是最早的卷积神经网络之一，广泛应用于手写数字识别等任务。LeNet网络主要包含两个卷积层，两个池化层，两个全连接层，以及一个高斯连接层（现在通常用另一个全连接层替代）。这种结构的设计显著减少了网络的参数数量，同时保持了良好的特征提取能力。
2024-06-18 08:57:35
1588
原创 Linux服务器管理（1）----- 添加子用户，并构建组，释放公共硬盘读写权限
在Linux系统管理中，对用户和组的管理是保持系统安全和高效运行的基础。本文将详细介绍如何在Linux服务器上添加子用户，创建用户组，并为这个组释放特定目录（如/mnt）的读写权限，以方便组内成员共享和管理数据。
2024-06-17 18:29:35
499
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