莫烦Pytorch学习笔记

学习笔记整理连接

莫烦Pytorch的github代码

CNN章节：

• 讲解CNN的时候padding的值等于 (kernel_size-1)/2
• 还有每一个层的参数的shape计算很重要
• 还有卷积核的作用(过滤信息)
• 池化层的作用降维并且抓住主要特征（为什么要用池化，池化mean和max方法的不同）
• padding的作用见https://blog.csdn.net/ningyanggege/article/details/87454694（莫烦讲的作用是否正确？）

RNN章节:

• input_size,hidden_size,num_layers这三个参数详解见https://blog.csdn.net/lwgkzl/article/details/88717678
• RNN做回归和RNN做分类的不同见：

 for time_step in range(r_out.size(1)):    # calculate output for each time step
            outs.append(self.out(r_out[:, time_step, :]))
        return torch.stack(outs, dim=1), h_state

 

out = self.out(r_out[:, -1, :])

• 分类是选取RNN的最后一个节点的输出，回归是concatRNN的所有节点的输出（其实分类也可以选择节点的所有输出）
• forward(self, x, h_state) 中RNN回归比RNN分类多一个h_state，RNN回归的batch之间有连续性，所以要传递h_state