ai_faker的博客

MAE损失函数MAE=∑i=1n∣yi−yip1∣nM A E=\frac{\sum_{i=1}^{n} \mid y_{i}-y_{i}^{p_{1}} \mid}{n}MAE=n∑i=1n​∣yi​−yip1​​∣​以分类问题举例。对于上式中，yiy_{i}yi​代表真实值，yipy_{i}^{p}yip​代表预测值。下面是一个MAE函数的图，其中真实目标值为100，预测值在-10,000至10,000之间。预测值（X轴）= 100时，MSE损失（Y轴）达到其最小值。损失范围为0至∞。优点

简介torchvision是pytorch的一个图形库，它服务于PyTorch深度学习框架的，主要用来构建计算机视觉模型。torchvision.transforms主要是用于常见的一些图形变换。以下是torchvision的构成：1.torchvision.datasets: 一些加载数据的函数及常用的数据集接口；2.torchvision.models: 包含常用的模型结构（含预训练模型），例如AlexNet、VGG、ResNet等；3.torchvision.transforms: 常用的图

目录1._, predicted = torch.max(outputs.data, 1)理解2.model.train()和model.eval()用法和区别3.with torch.no_grad() 详解4.model.zero_grad() vs optimizer.zero_grad()5. images.to(device)6.DataLoader函数7.parameters requires_grad=False和optimizer优化参数8. x = x.view(x.size(0), -1