![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
深度学习知识和框架的学习记录
东汄
这个作者很懒,什么都没留下…
展开
-
特征处理
1特征缩放特征值缩放(FeatureScaler)也可以称为无量纲处理。主要是对每个列,即同一特征维度的数值进行规范化处理。应用背景: 不同特征(列)可能不属于同一量纲,即特征的规格不一样。 例如,假设特征向量由两个解释变量构成,第一个变量值范围 [0,1],第二个变量值范围[0,100]。 如果某一特征的方差数量级较大,可能会主导目标函数,导致其他特征的影响被忽略常用方法:标准化法 区间缩放法特征值的缩放‐‐标准化法 标准化的前提是特征值服从正态分布。 标准化需要..原创 2020-11-15 11:41:35 · 616 阅读 · 0 评论 -
Pytorch学习——Tensorboard
Tensorboard是可视化工具。1.add_scalarfrom torch.utils.tensorboard import SummaryWriterwriter = SummaryWriter("logs")# writer.add_image()for i in range(100): writer.add_scalar("y=2x", i, 2*i)writer.close()找到生成文件所在位置:点开网址:2.add_imagefr原创 2020-09-06 16:50:24 · 207 阅读 · 0 评论 -
Pytorch学习——22种transforms数据预处理方法
一、图像增强数据增强又称为数据增广,数据扩增,它是对训练集进行变换,使训练集更丰富,从而让模型更具泛化能力二、transforms——裁剪1. transforms.CenterCrop 功能:从图像中心裁剪图片 size:所需裁剪图片尺寸2. transforms.RandomCrop (size, padding=None, pad_if_needed=False, fill=0, padding_mode='constant')功能:从图片中随机裁剪出尺寸为size的图.原创 2020-08-11 19:11:59 · 1054 阅读 · 0 评论 -
Pytorch学习——数据读取、数据预处理
一、DataLoader和DataSet1.1DataLoadertorch.utils.data.DataLoader #构建可迭代的数据装载器DataLoader()参数 :dataset: Dataset类,决定数据从哪读取 及如何读取 batchsize : 批大小 num_works: 是否多进程读取数据 shuffle: 每个epoch是否乱序 drop_last:当样本数不能被batchsize整 除时,是否舍弃最后一批数据 Epoch: 所有训练样本都已输入到模..原创 2020-07-31 21:23:52 · 732 阅读 · 0 评论 -
Pytorch学习——autograd与逻辑回归
一、torch.autogradautograd——自动求取梯度torch.autograd.backward(tensors, retain_graph, create_graph )w = torch.tensor([1.], requires_grad=True)x = torch.tensor([2.], requires_grad=True)a = torch.add(w, x)b = torch.add(w, 1)y = torch.mul(a, b)y.backwa原创 2020-07-24 21:06:00 · 195 阅读 · 0 评论 -
Pytorch学习——张量
1.张量基本概念张量是一个多维数组,是标量、向量、矩阵的高维拓展2.Tensor与VariableVariable是torch.autograd中的数据类型,主要用于Tensor封装,进行自动求导。Variable的5个属性:1. data:被包装的Tensor2. grad:data的梯度3. grad_fn:创建Tensor的Function,是自动求导的关键4. requires:指示是否需要梯度5. is_leaf:指示是否是叶子3.TensorPyt原创 2020-07-20 13:25:01 · 1301 阅读 · 0 评论