![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
pytorch
文章平均质量分 57
人狮子
图像处理、模式识别研究生,目前专注于视觉算法方面的工作。
展开
-
Pytorch基础(十)——优化器(SGD,Adagrad,RMSprop,Adam,LBFGS等)
一、概念Pytorch中优化器的目的:将损失函数计算出的差值Loss减小。优化过程:优化器计算网络参数的梯度,然后使用一定的算法策略来对参数进行计算,用新的参数来重新进行训练,最终降低Loss。原创 2021-12-28 20:38:58 · 6159 阅读 · 5 评论 -
Pytorch基础(九)——损失函数
一、概念损失函数在深度学习领域是用来计算搭建模型预测的输出值和真实值之间的误差。具体实现过程:在一个批次(batch)前向传播完成后,得到预测值,然后损失函数计算出预测值和真实值之间的差值,反向传播去更新权值和偏置等参数,以降低差值,不断向真实值接近,最终得到效果良好的模型。常见的损失函数包括:MSE(均方差, 也可以叫L2Loss),Cross Entropy Loss(交叉熵),L1 Loss(L1平均绝对值误差),Smooth L1 Loss(平滑的L1 loss),BCELoss (Binar原创 2021-12-19 22:07:20 · 2335 阅读 · 2 评论 -
Pytorch基础(八)——正则化
一、概念正则化在深度学习领域是为了防止训练结果过拟合而采取的一种方法。原创 2021-12-12 23:24:42 · 2359 阅读 · 1 评论 -
Pytorch基础(七)——线性层(全连接层)
一、概念二、示例原创 2021-12-04 16:16:40 · 8345 阅读 · 0 评论 -
Pytorch基础(六)——激活函数
一、概念原创 2021-12-01 23:49:26 · 2526 阅读 · 0 评论 -
Pytorch基础(五)—— 池化层
一、概念池化就是把数据压缩的过程,属于下采样的一种方法,可以显著降低神经网络计算复杂度,减少训练中的过拟合,同时可以使数据具有一定的不变性。池化从方法上来讲可以分为average Pooling、max Pooling、Overlapping Pooling、Spatial Pyramid Pooling,其中max Pooling是最常见的池化方法,Overlapping Pooling值得注意的是filter的size小于stride,Spatial Pyramid Pooling(空间金字塔池化)原创 2021-11-30 22:55:37 · 1856 阅读 · 0 评论 -
Pytorch基础(四)—— 卷积层
一、概念原创 2021-11-22 17:59:21 · 1496 阅读 · 1 评论 -
Pytorch基础(三)—— DataSet的应用
一、概念Pytorch的标准数据集包括很多种类型,如CIFAR,COCO,KITTI,MNIST等,分别适用于不同的深度学习框架,我们可以在官网查看。当然我们也可以做数据集,但需要自己标注。二、如何调用数据集一、调用torchvision在程序中调用torchvision.datasets,下面用程序示例如何下载CIFAR10数据集。import torchvisiontrain_set = torchvision.datasets.CIFAR10(root="./dataset", trai原创 2021-11-13 22:52:35 · 3198 阅读 · 1 评论 -
Pytorch基础(二)—— Transforms详解
一、概念Transforms是pytorch的图像处理工具包,是torchvision模块下的一个一个类的集合,可以对图像或数据进行格式变换,裁剪,缩放,旋转等,在进行深度学习项目时用途很广泛。下面对Transforms内的常见类的使用进行一个简单的梳理。from torchvision import transforms二、类2.1 ToTensor表示将其他图像数据(PIL Image或者 ndarray)类型转化为tensor类型,并归一化至[0-1] 。trans = transfor原创 2021-09-03 22:04:07 · 2620 阅读 · 1 评论 -
Pytorch基础(一) —— tensorboard的应用
一、简介与安装方法1.1 概念Tensorboard 是 TensorFlow 的一个工具包,用于展示网络图、张量的指标变化和分布情况,如权重W、偏置B、卷积层数、全连接层数等参数,使用该工具可以方便观察神经网络训练过程,分析学习模型训练的效果。大概自Pytorch1.1.0版本发布后,我们就可以直接在Pytorch环境直接安装Tensorboard工具包。1.2安装方法安装最新版本:pip install tensorboard查看版本号:tensorboard --version当原创 2021-08-30 19:09:27 · 479 阅读 · 4 评论 -
Pytorch超简单安装教程
概念原创 2021-08-28 20:20:12 · 1294 阅读 · 2 评论