![](https://img-blog.csdnimg.cn/2019092715111047.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
实战 日积月累
文章平均质量分 88
practice
jasneik
虽然快奔4了,但抵挡不信对图像处理与人工智能的技术狂热的追求。
不在工作中暴发,就是学习中暴发。
展开
-
pytorch 正向与反向传播的过程 获取模型的梯度(gradient),并绘制梯度的直方图
记录一下怎样pytorch框架下怎样获得模型的梯度文章目录引入所需要的库一个简单的函数模型梯度获取先定义一个model如下定义两个获取梯度的函数定义一些过程与调用上述函数的方法可视化一下梯度的histogram引入所需要的库import osimport torchimport torch.nn as nnimport torch.nn.functional as Ffrom collections import OrderedDict一个简单的函数z=3y2=3(x+2)2z = 3y原创 2022-04-12 21:16:00 · 5559 阅读 · 3 评论 -
MNIST 手写数字识别,我是如何做到886个可训练参数,识别率达到98.2%? (参数、模型压缩), Keras实现,模型优化
一 项目展示下面可以看到验证集可以到了0.9823了,实际上,在下面的另外一个训练,可以得到0.9839,我保守的写了0.982二 项目参数展示我们先来看看LeNet 5 的结构与参数,参数有61,706个。这个是我用keras写的,可以看到参数只有886个。项目代码我们来看一下模型的代码,模型由传统卷积改成了可分离卷积;这里padding 主要是为了后面降维方便而设置这里设置了5层卷积,是考虑到如果层数比较少的话,感受野比较小,增加卷积层,从而增加感受野(我觉得感受野,这时候比模型原创 2020-10-15 13:25:34 · 871 阅读 · 3 评论 -
AI+无线通信——Top7 (Baseline)分享与总结
从浩哥那里转载 https://wanghao.blog.csdn.net/article/details/115813954比赛已经告一段落,现在我们队兑现承诺,将比赛方案开源给大家,互勉互助,共同进步。队伍介绍我们的队伍名是Baseline,我们因分享Baseline结缘,所以就把队伍名叫Baseline。队长: 方曦来自上海交通大学,研三。队员 :吕晓欣来自网易,AI工程师队员:王浩来自北京星河亮点,软件研发队员:杨新达来自广州一家企业,AI工程师方案摘要对于当前通信系统来说,物理转载 2021-04-18 16:39:32 · 3064 阅读 · 0 评论