关于python的新手小白，在练习NiN网络时遇到了问题

最新推荐文章于 2024-07-13 22:44:58 发布
最新推荐文章于 2024-07-13 22:44:58 发布
阅读量91 收藏
点赞数
分类专栏： python 文章标签： 深度学习 python 编程语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/melody_zou/article/details/108760514
版权

关于python的新手小白，在练习NiN网络时遇到了问题

最近在练习python编程来学习深度学习，用的jupyter notebook，想问问这个程序问题出在哪，应该怎么改
在这里插入图片描述
上面是我的程序，但是第三部分，就是框架的部分报错了
在这里插入图片描述
我现在没有数据，就想搭个框架练习，随便用了Mnist的数据，拜托各位大佬

melody_zou
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
NIN网络模型模块
04-21
NIN模型的模块化实现 result值用于loss计算和预测 仅供参考
NiN服饰识别Fashion-MNIST.py
01-07
Network In Network (NIN) 是由 Min Lin 等人于 2014 年提出，在 CIFAR-10 和 CIFAR-100 分类任务中达到当时的最好水平，其网络结构是由三个多层感知机（NiN块）堆叠而成。NiN 模型论文 《Network In Network》 发表...
NIN:使用Pytorch进行NIN实施并在CIFAR 10上进行了测试
04-11
本文在网络中非官方实施 0.开发环境 Docker Image - tensorflow/tensorflow:tensorflow:2.4.0-gpu-jupyter Library - Pytorch : Stable (1.7.1) - Linux - Python - CUDA (11.0) 使用单GPU 1.实施细节 model.py：...
AlexNet、VGG11、NiN、GoogLeNet等网络的Pytorch实现
01-06
知道2012年，Alex等人提出的AlexNet网络在ImageNet大赛上以远超第二名的成绩夺冠，卷积神经网络乃至深度学习重新引起了广泛的关注 AlexNet是在LeNet的基础上加深了网络的结构，学习更丰富更高维的图像特征。AlexNet...
卷积神经网络进阶（AlexNet、VGG、NiN、GoogleNet）
01-06
深度卷积神经网络AlexNet 重要的计算例题：通道数为3，宽高均为224的输入，经过一层输出通道数为96，卷积核大小为11，步长为4，无padding的卷积层后，得到的feature map的宽高为： (原始宽高 – kernel_size)/步长下...
Transformer-LSTM分类 | Matlab实现Transformer-LSTM多特征分类预测/故障诊断
关注并私信文章链接，获取对应文章源码和数据，机器学习之心的博客。
07-10 809
Transformer-LSTM分类 | Matlab实现Transformer-LSTM多特征分类预测/故障诊断
【深度学习】图形模型基础(6)：模型优化理论
MUKAMO的博客
07-10 901
模型优化理论关注提升模型性能、准确性和效率。SGD（随机梯度下降）是其关键算法之一，通过随机选取样本计算梯度并更新模型参数，以提高训练速度和适用性。SGD尤其适合大规模数据集，但可能因梯度噪声导致收敛波动。改进算法如动量法和自适应学习率算法（如Adam）进一步加速收敛并提升精度。总之，模型优化理论和SGD是机器学习不可或缺的工具，助力提升模型性能，推动深度学习发展。
深度学习（笔记内容）
2301_78488802的博客
07-08 278
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/pip install -i https://pypi.mirrors.ustc.edu.cn/simple/pip install -i http://mirrors.aliyun.com/pypi/simple/pip install -i https://pypi.douban.com/simple/pip使用阿里云的镜像源。pip使用清华源镜像源。
【人工智能】深度学习：神经网络模型
边走、边悟、迟早变好
07-11 1319
神经网络（Neural Network）是一种模拟人脑神经元连接方式的计算模型。其基本组成部分是神经元（Neurons），通过加权连接和激活函数构成复杂的网络结构。神经网络广泛应用于模式识别、分类和回归等领域。
人工智能及深度学习在病理组学中的应用概述｜系列推文·24-07-11
qq_45404805的博客
07-10 1180
首先，小罗会带大家回顾计算机和编程的起源，解释从最初的电子计算器到现代计算机的发展历程，以及高级编程语言如何简化计算机指令的编写。其次，本期推文会深入探讨机器学习的不同类型，包括深度学习、神经网络和其他学习算法，以及它们如何被应用于解决实际问题，特别是在病理学领域。最后，小罗会列举一些AI技术当前面临的挑战，包括算法的单一任务限制、对大量数据集的需求以及计算过程中的能源效率问题……。
Python数据分析案例52——基于SSA-LSTM的风速预测(麻雀优化)
weixin_46277779的博客
07-13 630
基于SSA-LSTM，麻雀优化算法的LSTM神经网络的时间序列预测的通用代码。
深度学习和NLP中的注意力和记忆
gongdiwudu的专栏
07-10 1394
深度学习的最新趋势是注意力机制。在一次采访中，现任 OpenAI 研究总监的 Ilya Sutskever 提到，注意力机制是最令人兴奋的进步之一，而且它们将继续存在。这听起来很令人兴奋。但什么是注意力机制？
深度学习早停（early stop）训练策略
帆的博客
07-13 639
早停（Early Stopping）是一种防止深度学习模型过拟合的正则化技术。在训练过程中，当模型在验证集上的性能不再显著提高时，早停策略会提前停止训练。这样可以避免模型在训练集上表现得越来越好，但在验证集上表现变差。这个PyTorch示例展示了如何实现早停策略，以防止模型过拟合并提高验证集上的性能。以下是一个使用PyTorch实现早停策略的例子，同样使用MNIST手写数字数据集。这个例子演示了如何使用早停策略来防止模型过拟合，从而提高模型在验证集上的性能。
自注意力简介
weixin_42255757的博客
07-10 1020
自注意力机制简介以及代码实现
深度学习调参基础
自己在学习过程中的总结
07-10 572
深度学习调参基础 1.需要调节的超参数有哪些？ 2.什么时候需要调参？ 3.如何调参？ 3.1过拟合情况调参 3.2欠拟合情况调参 3.3收敛但震荡情况调参 3.4不收敛情况调参 4.调参示例 需要调节的超参数有哪些？和网络结构相关的参数：神经网络的网络层数、不同层的类别和搭建顺序、隐藏层神经元的参数设置、LOSS层的选择、正则化参数；和训练过程相关的参数：网络权重初始化方法、学习率使用策略、迭代次数、Batch的大小、输入数据相关。
基于深度学习的网络物理系统故障检测与诊断（第一部分，Python）
最新发布
weixin_39402231的博客
07-13 264
基于深度学习的网络物理系统故障检测与诊断（第一部分，Python）
CCSI: 数据无关类别增量学习的持续类特定印象| 文献速递-基于深度学习的多模态数据分析与生存分析
weixin_38594676的博客
07-10 850
随后，我们通过结合合成数据和新类别数据来更新网络，并结合多种损失函数，包括一个用于在合成数据上训练的深度网络泛化到真实数据的域内对比损失、一个增加以前类别和新类别间分离的边缘损失，以及一个缓解训练数据中分布不平衡负面影响的余弦归一化交叉熵损失。对四个MedMNIST数据集作为基准公共数据集和内部心超电影系列作为大型和更复杂的数据集的实验结果验证了，CCSI在无数据类别增量学习中以高达51%的不可思议的准确率差距超越了最先进的方法，并且与最先进的数据保存演练方法取得了可比的结果。(2) 对训练步骤的修改。
【Pytorch】RNN for Image Classification
bryant_meng
07-10 995
参数说明input_size输入特征的维度， 一般 rnn 中输入的是词向量，那么 input_size 就等于一个词向量的维度hidden_size隐藏层神经元个数，或者也叫输出的维度（因为rnn输出为各个时间步上的隐藏状态）num_layers网络的层数nonlinearity激活函数bias是否使用偏置。
深度学习之正则化
weixin_49146002的博客
07-09 361
我们学习正则化之前应该先了解我们为什么要用正则化。正则化解决了什么问题。我们讲正则化之前 ，先了解一个概念–》过拟合。
NiN 论文总结
01-20
翻译摘要部分介绍了论文的背景和动机，并指出了现有卷积神经网络存在的问题。然后介绍了卷积神经网络的基本原理和常用的网络结构，为后续的NiN介绍打下了基础。接着详细介绍了NiN的MLP Convolution Layers和Global ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值