神经网络
文章平均质量分 73
程序小黑
这个人很懒,什么都不想说。。
展开
-
二维卷积——torch.nn.conv2d的使用
首先打开官方函数,查看conv2d的使用方法。conv函数由三个必填的参数,in_channels指输入的通道数,out_channels指输出的通道数,kernel_size是指的卷积核的核心数,还有一些非必填的参数。例如padding和stride参数,这两个参数的详细作用如下图所示。stride控制的是卷积一次能经过几个矩阵的行和列,padding则是对要处理的数据进行一次填充。...原创 2022-07-21 16:58:55 · 1343 阅读 · 0 评论 -
实习报告1——人脸三维重建方法
在对细节的重建中,现有方案最常用的是3DMM模型,但是3DMM模型需要采用几百维的数据来表示几万个顶点的数据,会导致数据在重建过程中很难对细节进行无损的处理,在2D到3D的转换中会失真,并且需要很大的计算开销,在初始化的时候需要进行数据的对齐,也是一个耗时的过程。正常尝试对代码进行测试和修复。上图中,a给出了图像的多个角度和特征点,B标记了人脸的特征,C给出了3维的人脸模型,D给出了在特征点数量为13的时候的三维人脸重建的模型拟合情况,E给出了特征点数量在119时的三维人脸重建的模型的拟合情况。......原创 2022-07-20 17:08:37 · 1952 阅读 · 0 评论 -
使用toruch.nn搭建最简单的神经网络骨架
依旧惯例,分析官方文档:https://pytorch.org/docs/stable/nn.html#containers这里主要分析Container类。原创 2022-07-13 11:09:55 · 185 阅读 · 1 评论 -
trochvision中数据集的使用
首先通过pytorch的官方文档来确认torchvision中所支持的数据集和构造函数https://pytorch.org/vision/stable/datasets.html所支持的数据集如下图所示。在这里我们使用的是CIFAR-10的数据集作为测试样本。原创 2022-07-13 09:53:13 · 287 阅读 · 0 评论 -
配合TensorBoard通过transform对图像进行规范化处理
对于如何使用tensorBoard的方法已经在前文中进行描述,传送门:https://blog.csdn.net/qq_27180763/article/details/125741091?spm=1001.2014.3001.5501首先还是导入PIL和torch的模块,同时我们也可以导入cv2模块,cv2模块中存在transform方法,而torchvision模块中存在transforms类。...原创 2022-07-12 21:01:48 · 980 阅读 · 0 评论 -
TensorBoard数据可视化工具
TensorBoard是tensorflow官方推出的可视化工具,它可以将模型训练过程中的各种汇总数据展示出来,包括标量(Scalars)、图片(Images)、音频(Audio)、计算图(Graphs)、数据分布(Distributions)、直方图(Histograms)和潜入向量(Embeddigngs)。对于tensorBoard的安装可以使用pip install进行安装,这里百度就能直接找到方法,因此不再赘述。我们这里主要使用tensorBoard的SummaryWriter方法。...原创 2022-07-12 13:41:01 · 644 阅读 · 1 评论 -
使用Pytorch中的DataSet数据集类
使用DataSet数据集类,我们可以自己定义一个类,并继承DataSet类,同时实现**getitem()**方法。根据官方文档描述,所有的subclass都应该继承Dataset类。其中__getitem__方法是必须覆盖的。这个方法的作用是获取数据集中的某个数据。而我们可以通过构造方法__init__来初始化我们的数据集。我们也可以选择性的决定是否要使用__len__方法来实现我们的数据集类。因此,对于我们如下图所示的目录中 ,我们的train目录下存在一个ants的数据集,这个ants就是我们所要原创 2022-07-12 13:17:55 · 1030 阅读 · 0 评论