Pytorch
文章平均质量分 83
FFmpeg123
这个作者很懒,什么都没留下…
展开
-
卷积神经网络(CNN)详细介绍及其原理详解(二)
9.将第二次全链接的结果进行最后一次运算,这种运算可能是线性的也可能是非线性的,最终每个位置(一共十个位置,从0到9)都有一个概率值,这个概率值就是将输入的手写数字识别为当前位置数字的概率,最后以概率最大的位置的值作为识别结果。可以看到,经过两次卷积和最大池化之后,得到最后的特征图,此时的特征都是经过计算后得到的,所以代表性比较强,最后经过全连接层,展开为一维的向量,再经过一次计算后,得到最终的识别概率,这就是卷积神经网络的整个过程。5. 对池化操作后得到的六个小图进行第二次卷积运算,生成了更多的特征图。原创 2024-05-21 08:32:52 · 303 阅读 · 0 评论 -
卷积神经网络(CNN)详细介绍及其原理详解(一)
很明显是不一样的,对于输入图像,首先要将其转换为对应的二维矩阵,这个二位矩阵就是由图像每一个像素的像素值大小组成的,我们可以看一个例子,如下图所示的手写数字“8”的图像,计算机读取后是以像素值大小组成的二维矩阵存储的图像。刚才我们也提到了,有几个卷积核就有多少个特征图,现实中情况肯定更为复杂,也就会有更多的卷积核,那么就会有更多的特征图,当特征图非常多的时候,意味着我们得到的特征也非常多,但是这么多特征都是我们所需要的么?另外还有黑白图像,每个像素值要么是0(表示纯黑色),要么是255(表示纯白色)。原创 2024-05-17 14:45:14 · 1764 阅读 · 0 评论 -
Pytorch中Torch模块详解
定义与创建:张量可以表示多维数组,支持多种数据类型,包括浮点数、整数、布尔值等。创建张量的常见方法有:Python23# 直接从数据创建张量4x = torch.tensor([1, 2, 3]) # 一维张量5y = torch.tensor([[1, 2], [3, 4]]) # 二维张量67# 根据现有张量或 Python 列表创建8z = torch.from_numpy(np.array([1, 2, 3])) # 从 NumPy 数组创建。原创 2024-05-17 12:02:05 · 1653 阅读 · 0 评论 -
Pytorch tensor教程练习
print('**********************Attributes tensor 张量属性************************')print('***#Operations on tensor 张量运算:矩阵点乘与mul同)******************')print('**********************************#使用Numpy桥接************')print('#Operations on tensor 张量运算:矩阵乘法与矩阵转置相同。原创 2024-05-16 10:29:56 · 227 阅读 · 0 评论