梦家の博客

背景邻近毕业季事情多且杂，已很长时间未接触PyTorch编程了，不动手实践以前学习的内容就慢慢淡忘了，而且现在PyTorch已更新到版本1.5.0，回想起最开始学习PyTorch时还是版本0.4.1只能感叹技术迭代和AI发展的速度太快了啊！以前学习的tutorials换电脑时也丢了…遂…本篇文章首先简单过一遍PyTorch基础内容，再结合 Github 上的 tutorials 学习一些高效的PyTorch编程技巧！当然首推PyTorch官方教程: PyTorch tutorialsPytorch

原文博客：https://blog.csdn.net/JNingWei/article/details/80064451global pooling是pooling的滑窗size和整张feature map的size一样大。这样，每个 W×H×C 的feature map输入就会被转化为 1×1×C 输出。因此，其实也等同于每个位置权重都为 1/(W×H) 的FC层操作。global pooli...

PyTorch0.4中，.data 仍保留，但建议使用 .detach(), 区别在于 .data 返回和 x 的相同数据 tensor, 但不会加入到x的计算历史里，且require s_grad = False, 这样有些时候是不安全的, 因为 x.data 不能被 autograd 追踪求微分 。 .detach() 返回相同数据的 tensor ,且 requires_grad=False...

各种卷积运算group convolution（群卷积或分组卷积）point-wise convolution (点卷积)separable convolution（可分离卷积）depth-wise convolution (深度卷积)dilated convolution (空洞卷积)group convolution（群卷积或分组卷积）假设上一层的feature map总共有...

图深度神经网络综述（一）参考文献：Deep Learning on Graphs: A Survey简介在图结构数据上使用深度学习的限制：图的不规则性与图像，音频或文本数据不同，图是一种不规则的数据结构。因此，对于神经网络难以定义对应的卷积或者池化操作。造成了几何上的深度学习问题。图的不同结构和处理任务图可能有多重结构，例如同构的或者异质的，加权的和不加权的，有符号的...

TRANSFER LEARNING TUTORIALFinetuning the convnet: Instead of random initializaion, we initialize the network with a pretrained network, like the one that is trained on imagenet 1000 dataset. Rest of...

使用Tensor的理由+静态图和动态图的区别implement the network using numpy and pytorchimport numpy as npimport torchdtype = torch.floatdevice = torch.device("cpu")# device = torch.device("cuda:0")# N: batch siz...

Predicting house price: a regression example# -*- coding: utf-8 -*-"""@Date: 2018/10/7@Author: dreamhomes@Summary:"""from keras.datasets import boston_housingfrom keras import modelsfrom ...

Classifying newswires: a multiclass classification example# -*- coding: utf-8 -*-"""@Date: 2018/10/6@Author: dreamhomes@Summary:"""from keras.datasets import reutersfrom keras.utils.np_util...

Classifying movie reviews: a binary classification example# -*- coding: utf-8 -*-"""@Date: 2018/10/5@Author: dreamhomes@Summary:"""from keras.datasets import imdbfrom keras import modelsfr...

Keras + MNISTData representations for neural networksData representations for neural networks# -*- coding: utf-8 -*-"""@Date: 2018/9/28@Author: dreamhomes@Summary:"""from keras.utils impor...

It is our choices that show what we truly are, far more than our abilities. 决定我们一生的，不是我们的能力，而是我们的选择。基于Tensorflow+Python实现降噪自动编码器（DAE）本代码原理参考书籍TensorFlow 实战# -*- coding: UTF-8 -*-'''Created on 20