产品经理也能动手实践的AI(八)- Resnet Unet GANS RNN

本文是产品经理动手实践AI系列的最后一课,介绍了ResNet、U-Net、GANs和RNN的概念与应用。通过实例展示了如何创建DataBunch、构建卷积神经网络,并探讨了ResNet为何有效。此外,还概述了GANs的loss函数进化过程以及RNN在预测序列任务中的工作原理。
摘要由CSDN通过智能技术生成

正文共: 2336字 22图

预计阅读时间: 6分钟

35d825672892235f12bb8eaee2801d6e.jpeg

最后一节课了,很多更细致的内容会在part2展开,新的part2会在6月28号放出来,据说共7节,并且会有2节专门讲swift。

36ae80b8ca48babb241ffc62ffda5db7.jpeg

1.概览

  • 更细致的创建Databunch

  • 从头创建一个CNN

  • ResNet 

  • U-net

  • GAN

  • RNN

2.1 核心机器学习概念

  • 很多,但是都一笔带过,说在part2中详细讲解

2.2 FastAI

  • split_none:创建databunch的过程,不划分训练/验证组时也要进行这样一个文件转化

  • data.one_batch:获取一个batch的数据

2.3 Python

  • PIL/Pillow:Python Imaging Library

  • parallel:并行处理任务,可以变快

3.1 创建DataBunch详细讲解

共分4个步骤:创建图片合集、训练集划分、打标签、(图片变形)、创建数据集

3784042827447ed1487f94ff9068601e.jpeg

3.2 从头创建一个卷积神经网络

初始图片是28x28的尺寸,因为stride是2,所以每一次Conv2d后尺寸就会缩小一倍,但是kernel有8个,所以输出的channel有8个。

最后Flatten将矩阵转化成一个10个数的vector,从而可以和结果0-9进行比对。

model = nn.Sequential(
    nn.Conv2d(1,
  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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