![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
PyTorch深度学习入门与实战系列
文章平均质量分 91
@DWC_DIP
每天进步一点点~~
展开
-
torch.nn模块之常用激活函数详解
激活函数1. 常用的激活函数2. 激活函数计算公式及其可视化2.1 Sigmoid激活函数2.2 Tanh激活函数2.3 ReLu激活函数2.4 LeakyReLU2.5 Softplus激活函数1. 常用的激活函数在PyTorch中,提供了十几种激活函数层所对应的类,但常用的激活函数类和和功能如下表1所示。表1 常用激活函数操作名称层对应的类功能S型激活函数torch.nn.SigmoidSigmoid激活函数双曲正切函数torch.nn.TanhTanh激活函原创 2021-01-16 10:46:29 · 11397 阅读 · 2 评论 -
torch.nn模块之池化层详解
torch中的池化层1. torch.nn模块中的池化层简介2. 池化的调用方式3. 图像池化演示3.1 最大值池化3.2 平均值池化3.3 自适应平均值池化1. torch.nn模块中的池化层简介池化操作的一个重要目的就是对卷积后得到的特征进行进一步处理(主要是降维),从而缓解计算时内存的压力。池化会选取一定大小的区域,将该区域内的像素值使用一个代表元素表示。如果使用平均值代替,称为平均值池化,如果使用最大值代替则称为最大值池化。这两种池化方式示意图如下图1所示。图1 最大值和平均值池化示意图在原创 2021-01-14 20:18:11 · 6167 阅读 · 0 评论 -
torch.nn模块之卷积层详解
torch中的卷积层1. torch.nn模块中的卷积层例如,二维图像卷积运算过程示意图如下图所示。卷积核大小为2×2,步长为1。![二维图像卷积运算过程示意图](https://img-blog.csdnimg.cn/20210113204343146.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0RJUERXQw==,size_16,colo原创 2021-01-14 11:32:40 · 4008 阅读 · 1 评论 -
PyTorch中的自动微分
PyTorch中的自动微分目标PyTorch中的自动微分目标通过本篇文章的学习,你将对PyTorch中的自动微分过程有一个清晰的认识,本文通过一个示例来解释PyTorch中自动微分的计算。PyTorch中的自动微分在torch中的torch.autograd模块,提供了实现任意标量值函数自动求导的类和函数。针对一个张量只需要设置参数requires_grad = True,通过相关计算即可输出其在传播过程中的梯度(导数)信息。如在PyTorch中生成一个矩阵张量xxx,并且y=sum(x2+4x+原创 2021-01-05 21:31:11 · 1530 阅读 · 2 评论 -
2.1 PyTorch中张量的数据类型及生成全面详解
PyTorch中的张量目标1. 什么是张量2. 张量的数据类型2.1 张量的数据类型2.2 张量的数据类型查看及转换2.2.1 查看张量的数据类型2.2.2 设置张量的默认数据类型及其转换2.2.3 获取张量的默认数据类型目标通过本篇文章的学习,你将学习到以下内容:张量的数据类型——查看张量的数据类型、设置张量的默认数据类型及其转换、获取张量的默认数据类型张量的生成——torch.tensor()生成、torch.Tensor()生成、张量和NumPy数据互相转换、随机数生成张量、其他生成张量的函原创 2021-01-04 17:04:40 · 1124 阅读 · 0 评论 -
1. 机器学习与深度学习——关系、无/半/有监督学习、差异、主流框架
深度学习目标1. 人工智能、机器学习、深度学习三者之间的关系目标本篇文章主要对机器学习和深度学习的相关内容的介绍,通过本篇文章你可以学习到以下内容:人工智能、机器学习、深度学习三者之间的关系机器学习方式介绍深度学习算法与传统机器学习算法的差异1. 人工智能、机器学习、深度学习三者之间的关系随着深度学习方法在众多邻域的快速研究和应用,人工智能的发展又迎来了一次高峰。在人工智能提出后,我们希望通过人工智能系统模仿人类的处理不同事物的一些列动作与行为,如准确地识别出图片上出现的内容信息,理解一段原创 2020-12-25 22:33:57 · 7101 阅读 · 3 评论