每周深度学习总结
文章平均质量分 97
大地之灯
这个作者很懒,什么都没留下…
展开
-
深度学习每周学习总结P6(运动鞋识别)
数据导入及处理部分:本次数据导入没有使用torchvision自带的数据集,需要将原始数据进行处理包括数据导入,数据类型转换。划分数据集:划定训练集测试集后,再使用torch.utils.data中的DataLoader()加载数据.模型构建部分:有两个部分一个初始化部分(init())列出了网络结构的所有层,比如卷积层池化层等。第二个部分是前向传播部分,定义了数据在各层的处理过程。注意:本次需要学习如何调用官方模型以及自定义VGG-16模型。原创 2024-04-26 21:35:54 · 948 阅读 · 0 评论 -
深度学习每周学习总结P5(运动鞋识别)
数据导入及处理部分:本次数据导入没有使用torchvision自带的数据集,需要将原始数据进行处理包括数据导入,数据类型转换。划分数据集:划定训练集测试集后,再使用torch.utils.data中的DataLoader()加载数据.注意:与之前不同的是,本次的数据集是已经划分好的。模型构建部分:有两个部分一个初始化部分(init())列出了网络结构的所有层,比如卷积层池化层等。第二个部分是前向传播部分,定义了数据在各层的处理过程。原创 2024-04-19 21:52:04 · 993 阅读 · 0 评论 -
深度学习每周学习总结P4(猴痘识别)
数据导入部分:本次数据导入没有使用torchvision自带的数据集,需要将原始数据进行处理包括数据导入,数据类型转换。划分数据集:划定训练集测试集后,再使用torch.utils.data中的DataLoader()加载数据模型构建部分:有两个部分一个初始化部分(init())列出了网络结构的所有层,比如卷积层池化层等。第二个部分是前向传播部分,定义了数据在各层的处理过程。原创 2024-04-11 22:06:38 · 723 阅读 · 0 评论 -
深度学习每周学习总结P3(天气识别)
数据导入部分:本次数据导入没有使用torchvision自带的数据集,需要将原始数据进行处理包括数据导入,数据类型转换,划定训练集测试集后,再使用torch.utils.data中的DataLoader()加载数据模型构建部分:有两个部分一个初始化部分(init())列出了网络结构的所有层,比如卷积层池化层等。第二个部分是前向传播部分,定义了数据在各层的处理过程。设置超参数:在这之前需要定义损失函数,学习率,以及根据学习率定义优化器(例如SGD随机梯度下降),用来在训练中更新参数,最小化损失函数。原创 2024-03-28 23:20:43 · 1361 阅读 · 1 评论 -
深度学习每周学习总结P2(CIFAR10彩色图片分类)
数据导入部分:数据导入使用了torchvision自带的数据集,获取到数据后需要使用torch.utils.data中的DataLoader()加载数据模型构建部分:有两个部分一个初始化部分(init())列出了网络结构的所有层,比如卷积层池化层等。第二个部分是前向传播部分,定义了数据在各层的处理过程。训练前的准备:在这之前需要定义损失函数,学习率,以及根据学习率定义优化器(例如SGD随机梯度下降),用来在训练中更新参数,最小化损失函数。原创 2024-03-20 16:45:04 · 1025 阅读 · 0 评论 -
深度学习每周学习总结P1(pytorch手写数字识别)
总结:数据导入部分:数据导入使用了torchvision自带的数据集,获取到数据后需要使用torch.utils.data中的DataLoader()加载数据模型构建部分:有两个部分一个初始化部分(init())列出了网络结构的所有层,比如卷积层池化层等。第二个部分是前向传播部分,定义了数据在各层的处理过程。训练前的准备:在这之前需要定义损失函数,学习率,以及根据学习率定义优化器(例如SGD随机梯度下降),用来在训练中更新参数,最小化损失函数。原创 2024-03-15 17:26:13 · 1097 阅读 · 0 评论