![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
动手学习深度学习笔记(Pytorch
Andrew Noah
研究方向 目标检测
展开
-
FanshionMNIST
# -*- coding: utf-8 -*-"""Created on Fri Feb 21 16:05:59 2020FanshionMNIST 分类任务大作业 baseline@author: as"""import osimport sysimport timeimport mathimport torchfrom torch import nn, optimimp...原创 2020-03-02 21:36:47 · 163 阅读 · 0 评论 -
Pytorch学习(八)
样式迁移如果你是一位摄影爱好者,也许接触过滤镜。它能改变照片的颜色样式,从而使风景照更加锐利或者令人像更加美白。但一个滤镜通常只能改变照片的某个方面。如果要照片达到理想中的样式,经常需要尝试大量不同的组合,其复杂程度不亚于模型调参。在本节中,我们将介绍如何使用卷积神经网络自动将某图像中的样式应用在另一图像之上,即样式迁移(style transfer)[1]。这里我们需要两张输入图像,一张是内...原创 2020-02-26 21:41:52 · 152 阅读 · 0 评论 -
Pytorch学习(七)
锚框目标检测算法通常会在输入图像中采样大量的区域,然后判断这些区域中是否包含我们感兴趣的目标,并调整区域边缘从而更准确地预测目标的真实边界框(ground-truth bounding box)。不同的模型使用的区域采样方法可能不同。这里我们介绍其中的一种方法:它以每个像素为中心生成多个大小和宽高比(aspect ratio)不同的边界框。这些边界框被称为锚框(anchor box)。我们将在后...原创 2020-02-26 21:39:49 · 211 阅读 · 0 评论 -
Pytorch学习(六)
批量归一化(BatchNormalization)对输入的标准化(浅层模型)处理后的任意一个特征在数据集中所有样本上的均值为0、标准差为1。标准化处理输入数据使各个特征的分布相近批量归一化(深度模型)利用小批量上的均值和标准差,不断调整神经网络中间输出,从而使整个神经网络在各层的中间输出的数值更稳定。1.对全连接层做批量归一化位置:全连接层中的仿射变换和激活函数之间。全连接:x=...原创 2020-02-26 21:37:42 · 125 阅读 · 0 评论 -
Pytorch学习 (五)
二维互相关运算(卷积)二维互相关(cross-correlation)运算的输入是一个二维输入数组和一个二维核(kernel)数组,输出也是一个二维数组,其中核数组通常称为卷积核或过滤器(filter)。卷积核的尺寸通常小于输入数组,卷积核在输入数组上滑动,在每个位置上,卷积核与该位置处的输入子数组按元素相乘并求和,得到输出数组中相应位置的元素。图1展示了一个互相关运算的例子,阴影部分分别是输入...原创 2020-02-19 20:46:07 · 329 阅读 · 0 评论 -
Pytorch学习 (四)
1原创 2020-02-19 20:40:39 · 106 阅读 · 0 评论 -
Pytorch学习 (三)
过拟合、欠拟合及其解决方案过拟合、欠拟合的概念权重衰减(lamda正则化)丢弃法(Dropout)模型选择、过拟合和欠拟合训练误差和泛化误差(test_loss)在解释上述现象之前,我们需要区分训练误差(training error)和泛化误差(generalization error)。通俗来讲,前者指模型在训练数据集上表现出的误差,后者指模型在任意一个测试数据样本上表现出的误差...原创 2020-02-19 20:27:14 · 109 阅读 · 0 评论 -
Pytorch学习 (二)
循环神经网络本节介绍循环神经网络,下图展示了如何基于循环神经网络实现语言模型。我们的目的是基于当前的输入与过去的输入序列,预测序列的下一个字符。循环神经网络引入一个隐藏变量HHH,用HtH_{t}Ht表示HHH在时间步ttt的值。HtH_{t}Ht的计算基于XtX_{t}Xt和Ht−1H_{t-1}Ht−1,可以认为HtH_{t}Ht记录了到当前字符为止的序列信息,利用HtH_{t}H...原创 2020-02-14 20:13:43 · 64 阅读 · 0 评论 -
Pytorch学习(一)线性回归
线性回归主要内容包括:线性回归的基本要素线性回归模型从零开始的实现线性回归模型使用pytorch的简洁实现线性回归的基本要素模型为了简单起见,这里我们假设价格只取决于房屋状况的两个因素,即面积(平方米)和房龄(年)。接下来我们希望探索价格与这两个因素的具体关系。线性回归假设输出与各个输入之间是线性关系:price=warea⋅area+wage⋅age+b\mathrm{pr...原创 2020-02-14 15:41:30 · 140 阅读 · 0 评论