![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 63
uestc_Venn
忆阻器、半导体物理、二维纳米材料、神经网络、深度学习、机器学习、算法设计等
展开
-
Vision Transformer(ViT-Base-16)处理CIFAR-100模式识别任务(基于Pytorch框架)
ViT-B-16是Vision Transformer(ViT)模型的一个变体,由Google在2020年提出。ViT模型是一种应用于图像识别任务的Transformer架构,它采用了在自然语言处理(NLP)中非常成功的Transformer模型,并将其调整以处理图像数据。原创 2024-02-28 15:06:54 · 5019 阅读 · 7 评论 -
torch.where()函数
是 PyTorch 提供的条件选择函数,它允许你基于条件张量的真值元素来选择来自两个数据张量的元素。它的工作方式类似于 Python 的三元条件表达式,但其功能在处理大型张量时显得尤为强大。是 PyTorch 中的一个非常有用的工具,它提供了一种高效、可读性强的方式来处理条件逻辑。通过掌握,你可以简化你的代码,加快开发过程,并提高模型的性能。希望本文能帮助你更好地理解和使用这个功能强大的函数。原创 2024-01-07 00:23:28 · 1055 阅读 · 0 评论 -
言简意赅!Python中生成混淆矩阵并保存至Excel的教程和实用代码
【代码】言简意赅!Python中生成混淆矩阵并保存至Excel的教程。原创 2023-12-07 01:40:24 · 797 阅读 · 0 评论 -
深入理解图像数据集的标准化:为什么选择transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225))
在深度学习中,尤其是处理图像数据时,数据标准化(Normalization)是一项关键的预处理步骤。它涉及调整和缩放数据,以便数据集具有具有零均值和单位方差的特性。在各种图像处理的库和框架中,我们经常看到transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225))这样一个特定的参数组合。让我们一探究竟,这个参数组合是如何被发现的,它代表什么,以及为什么它如此重要。原创 2023-12-01 20:46:14 · 862 阅读 · 0 评论