![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Pytorch
pytorch学习
li三河
图像算法、3D开发、深度学习
展开
-
(四)pytorch中激活函数
2)relu单元在训练中将不可逆转的死亡,导致数据多样化的丢失。如果学习率设置的太高,可能会发现网络中40%的神经元都会死掉(在整个训练集中这些神经元都不会被激活)。在神经网络中,隐含层的激活函数,最好选择Relu。1)relu的导数在大于0时,梯度为常数,不会导致梯度弥散。在小于0时导数为0,当神经元激活值进入小于0,梯度为0,也就是说,这个神经元不会被训练,即稀疏性。Relu是将所有的负值都为零,相反,leakyRelu。绿色曲线为原函数,红色曲线为导函数。原创 2023-01-05 20:02:54 · 387 阅读 · 1 评论 -
视频动作算法任务
时序动作检测:任务的输入是一个未经裁剪的视频,即在这个视频里有些帧是没有动作发生的,因此需要检测出动作开始和结束的区间,并判断区间内动作的类别。即输入未经裁剪的视频序列,得到动作出现的区间和对应的类别。时空动作检测:相比于时序动作检测略有不同,时空动作检测不仅需要识别动作出现的区间和对应的类别,还要在空间范围内用一个包围框标记出人物的空间位置。动作识别:是对每个输入视频进行分类,识别出视频中人物做出的动作。时序动作分割:任务的输入是一个未经裁剪的视频,输出是视频中每一帧的动作类别。原创 2022-10-18 14:42:43 · 342 阅读 · 0 评论 -
(四)pytorch中张量数据转化关系
import torchimport numpy as np# int -> tensor -> inta = torch.Tensor(1)b = a.item() # list -> tensor(cpu)l0 = [1, 2, 3]t = torch.Tensor(l0) # tensor(cpu) -> numpy -> lista = t.numpy()l1 = t.numpy().tolist() # list -> numpy.原创 2022-05-31 14:23:50 · 122 阅读 · 0 评论 -
(三)pytorch中损失函数
损失函数可以分为三类:回归损失函数、分类损失函数和排序损失函数1、L1 loss计算实际值和预测值之间的绝对值之和的平均值。y表示标签,pred表示预测值。(回归问题),当目标变量的分布具有异常值时,即与平均值相差很大的值,它被认为对异常值具有很好的鲁棒性。import torchdef lossTest(): input=torch.randn(3,5,requires_grad=True) target=torch.randn(3,5) mae_loss=原创 2022-04-11 11:50:55 · 5787 阅读 · 0 评论 -
(二)pytorch中算法分析和总结
1、卷积算子 torch.nn.Conv2d(1)原理:假设输入图像input尺寸为4x4,元素矩阵为:卷积核kernel尺寸为3x3,元素矩阵为:步长strides =1,填充padding=0,即i=4,k=3,s=1,p=0,则按照卷积计算公式,输出图像output的尺寸为2x2。(2)代码import torchimport numpy as npimport cv2import os# convdef conv(): randed_data=np原创 2022-04-02 17:22:01 · 3329 阅读 · 0 评论 -
(一) pytorch中API总结
1、unsqueeze(增维度)和squeeze(减维度)函数分析import torchimport numpy as npimport matplotlib.pyplot as plta = torch.arange(0,6).view(2,3) #tensor([[0, 1, 2],[3, 4, 5]]) 维度:(2,3) print(a) #在第二维增加一个维度b= a.unsqueeze(1)#tensor([[[0, 1, 2]],[[3, 4原创 2022-03-10 10:18:09 · 1569 阅读 · 0 评论