![](https://img-blog.csdnimg.cn/direct/0b778ba61ae545ee803f5d843a76931c.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
深度学习
文章平均质量分 96
本专栏主要介绍深度学习领域的理论与实践。例如各类神经网络模型的原理的PyTorch实现方法。后续还会增加图神经网络相关的知识。
Boss_frank
中国科学院大学网络安全专业研究生在读,本科毕业于武汉理工大学物理系。兜兜转转多个专业的菜鸟,正在努力学习安全/大数据知识的菜鸡研究生。回首,悟已往之不谏;展望,知来者之可追。
展开
-
【深度学习基础】详解Pytorch搭建CNN卷积神经网络LeNet-5实现手写数字识别
本文相熟了卷积神经网络CNN的原理,并介绍了如何使用PyTorch框架搭建卷积神经网络模型CNN。实现了LeNet-5的模型的搭建、模型训练、测试、网络的复用、直观查看数据集的图片预测结果等,完成了机器学习领域的Hello world——手写数字识别。原创 2024-06-19 16:36:40 · 772 阅读 · 0 评论 -
【深度学习基础】使用Pytorch搭建DNN深度神经网络与手写数字识别
本文介绍了如何使用PyTorch框架搭建深度神经网络模型。实现模型的搭建、模型训练、测试、网络的复用等,并实现机器学习领域的Hello world——手写数字识别。重点关注PyTorch的实现方式。原创 2024-05-30 19:01:13 · 874 阅读 · 0 评论 -
【深度学习基础】用PyTorch从零开始搭建DNN深度神经网络
本文介绍了神经网络的基本原理,并给出了一个非常简易的实例。神经网络可以通过对训练集样本的学习,建立一个从输入值模拟到输出值的过程,即实现对输出-输出关系的函数模拟。神经网络的本质是通过对激活函数的撕拉抓打扯拽(裁剪、翻转、拉伸、拼接),构建出在训练集上拟合良好的从输入值到输出值的函数关系,至于神经网络的参数(即 具体是如何撕拉抓打扯拽的)是通过反向传播,对损失函数的优化进行实现的。原创 2024-05-30 09:52:54 · 1203 阅读 · 0 评论 -
【深度学习基础】NumPy数组库的使用
本文是后续深度学习的基础,详解了Python数组库NumPy的基本使用,涵盖了PyTorch深度学习中常用到的一些函数、方法等。PyTorch作为当前最常用的深度学习库,融合了NumPy数组的语法,作为处理张量的基本语法,且运算可用GPU加速,具有很大速度优势。原创 2024-05-26 20:41:29 · 726 阅读 · 0 评论