term1总结

1.熟悉python,熟练使用pytorch框架

2.复现了网上的几个经典的例子，刚开始的例子重在学习，后边的例子就是完全复现小项目来做的

        以下是我后期复现别人做的几个小项目：

一.双向LSTM实现文本情感分析week11&12&13(2021.11.27-2021.12.17)

        数据集是25000条英文影评，将这些英文影评经过数据预处理、分割、整合到数据装载，到双向LSTM神经网络中进行训练，再经过验证集，最后在测试集的准确率为79.8%

        a.数据集 

                它包含了25000条英文电影的影评，以及25000×1的标签(positive or negivate)

        b.神经网络结构

                采用的是双向LSTM模型，两个LSTM对向连接，增加了隐藏向量的个数，使网络有更好地记忆性。

                基于数据预处理，将英文影评单词做成数字词典，出现次数越多则排名越靠前，例如the的出现频率最高，则1代表the。3代表a之类。将英文影评处理成25000×200列的张量。然后分割出训练集、验证集、测试集(如下图)。

                 神经网络结构为：

                由上图可以看出：

                        第一层：将单词输入到嵌入层，使得单词变为词向量

                        第二层：输入到双向LSTM结构中

                        第三层：脱落层，防止过拟合

                        第四层：全连接层

                        第五层：sigmoid激活层

                下图是张量经过各网络中的形状的变化：

二.Resnet实现手势识别week10(2021.11.20-2021.11.26)

        a.数据集

                它包含1200张64×64的RGB彩色图片，总共6个分类。其中，包括1080张用于训练集，120张用于测试集。包括6种手势分类(0到5)

        b.神经网络结构：

                采用的是Resnet50的神经网络结构：

                第一部分为ConvBlock，又叫卷积块，它的主要作用是仅仅应用（学习后的）线性函数来减少输入的维度，以便在后面的 加法步骤中的维度相匹配。适用于维度不同的时候

                它的内部为：

 

                第二部分为IndentityBlock，又叫恒等块，恒等块是残差网络使用的的标准块，适用于输入输出维度相同的时候

                它的内部为：

                由多个第一部分(卷积块)和第二部分(恒等块)构成了50层的结构，则为resnet50结构

                它的整体结构为：

        c.训练和测试：

                        每训练一遍，则测试一遍，可以得出最后的准确率在0.99以上

三.cifar-10数据集的图像分类week9(2021.11.13-2021.11.19)

        a.数据集

                它包含 60000 张 32 X 32 的 RGB 彩色图片，总共 10 个分类。其中，包括 50000 张用于训练集，10000 张用于测试集。包括十种物体类别:‘飞机’,‘汽车’,‘鸟’,‘猫’,‘鹿’,‘狗’,‘青蛙’,‘马’,‘船’,‘卡车’。CIFAR-10中的图像尺寸为3×32×32，即尺寸为32×32像素的3通道彩色图像。

        b.神经网络的结构：

第一层：卷积层conv2d	in=1	out=6	kernel=3*3
第二层：卷积层conv2d	in=6	out=16	kernel=3*3
第三层：全连接层linear	in=16*28*28	out=512
第四层：全连接层linear	in=512	out=64
第五层：全连接层linaer	in=64	out=10

        c.训练和测试：

                batch_size=4，所以1个Epoch中(共2个Epoch)包含12500个step,然后每1000个step则print一次，结果如下：

3.总的来说这学期的收获还是蛮多的：

        新环境、新同学、python的环境配置与熟悉、pytorch的使用、各种神经网络的复现、电脑重做系统、算法的了解等，这是一个由通信向计算机转变的过程。