![](https://img-blog.csdnimg.cn/2f791c166ad74c75ba57ad291959de66.jpeg?x-oss-process=image/resize,m_fixed,h_224,w_224)
Pytorch入门
文章平均质量分 75
本专栏旨在帮助大家熟悉Pytorch框架,进而入门深度学习。
优惠券已抵扣
余额抵扣
还需支付
¥29.90
¥99.00
购买须知?
本专栏为图文内容,最终完结不会低于15篇文章。
订阅专栏,享有专栏所有文章阅读权限。
本专栏为虚拟商品,基于网络商品和虚拟商品的性质和特征,专栏一经购买无正当理由不予退款,不支持升级,敬请谅解。
K同学啊
“365天深度学习训练” 报名中,报名微信:mtyjkh_
展开
-
【GAN小白入门】Semi-Supervised GAN 理论与实战
创建一个标签嵌入层,用于将条件标签映射到潜在空间# 初始化图像尺寸,用于上采样之前# 第一个全连接层,将随机噪声映射到合适的维度# 生成器的卷积块nn.Tanh(),return img"""返回每个鉴别器块的层"""if bn:# 鉴别器的卷积块# 下采样图像的高度和宽度# 输出层self.adv_layer = nn.Sequential(nn.Linear(128 * ds_size ** 2, 1), nn.Sigmoid()) # 用于鉴别真假的输出层。原创 2023-09-05 11:21:45 · 1063 阅读 · 0 评论 -
labels.unsqueeze(1) 维度增加
例如,生成器可能需要了解每个生成的图像应该对应哪个类别,而判别器可能需要将图像和标签组合起来来判断真实性。因此,在GAN的训练过程中,可能需要将标签的形状从一维张量变为二维张量,并在特定维度上增加维度。这样做的目的是与生成器或判别器的输入数据形状相匹配,从而能够正确地传递标签信息。是 PyTorch 中的一个方法,用于在给定维度上增加一个维度。,它将在维度1的位置(索引位置从0开始)上增加一个新的维度。结果是一个二维张量,其中有N行和1列,每一行表示一个样本的标签。是一个一维张量,表示每个样本对应的标签。原创 2023-07-21 14:05:59 · 393 阅读 · 0 评论 -
Pytorch入门实战 | 第P9周:YOLOv5-Backbone模块实现
本次我将利用YOLOv5算法中的Backbone模块搭建网络。(类似之前介绍过的VGG1-6)。如果效果不错的话,还可以搞一篇期刊文章出来~分享一张我自己绘制的的算法框架图,希望它可以有助于你完成本次探索~原创 2023-04-17 09:59:36 · 254 阅读 · 1 评论 -
Pytorch入门实战 | 第P8周:YOLOv5-C3模块实现
*本次我将利用YOLOv5算法中的C3模块搭建网络,主要让大家先了解C3的结构,方便后续YOLOv5算法的学习。原创 2023-04-07 10:14:48 · 311 阅读 · 0 评论 -
Pytorch入门实战 | 第P7周:咖啡豆识别
测试函数和训练函数大致相同,但是由于不进行梯度下降对网络权重进行更新,所以不需要传入优化器。📌如果将优化器换成 SGD 会发生什么呢?请自行探索接下来发生的诡异事件的原因。如果设备上支持GPU就使用GPU,否则使用CPU。训练营往期文章中有详细的介绍。原创 2023-03-24 15:41:44 · 321 阅读 · 0 评论 -
Pytorch入门实战|第P5周:运动鞋识别
等间隔动态调整方法,每经过step_size个epoch,做一次学习率decay,以gamma值为缩小倍数。测试函数和训练函数大致相同,但是由于不进行梯度下降对网络权重进行更新,所以不需要传入优化器。如果设备上支持GPU就使用GPU,否则使用CPU。对数据维度进行扩充。给指定位置加上维数为一的维度。对数据的维度进行压缩,去掉维数为1的的维度。在特定的 epoch 中调整学习率。根据自己定义的函数更新学习率。原创 2023-02-15 18:50:08 · 356 阅读 · 1 评论 -
Pytorch入门实战|第P6天:好莱坞明星识别
本文为内部限免文章,参考本文所写记录性文章,请在文章开头注明以下内容,复制粘贴即可。原创 2022-10-31 19:17:01 · 2245 阅读 · 11 评论 -
Pytorch入门实战 | 第P4天:猴痘病识别
本文为内部限免文章参考本文所写记录性文章,请在文章开头注明以下内容,复制粘贴即可本周的代码相对于上周增加指定图片预测与保存并加载模型这个两个模块,在学习这个两知识点后,时间有余的同学请自由探索更佳的模型结构以提升模型是识别准确率,模型的搭建是深度学习程度的重点。DL+45。原创 2022-10-15 10:02:44 · 2673 阅读 · 7 评论 -
Pytorch入门实战 | 第P3周:天气识别
☕难度:新手入门⭐。原创 2022-10-03 14:07:02 · 1535 阅读 · 8 评论 -
Pytorch入门实战 | 第P2周:彩色图片识别
☕。原创 2022-09-30 08:53:03 · 986 阅读 · 3 评论 -
Pytorch入门实战 | 第P1周:实现mnist手写数字识别
可以起到特征提取器的作用,最后一层的全连接层也可以认为是输出层,传入参数为输入特征数和输出特征数(输入特征数由特征提取网络计算得到,如果不会计算可以直接运行网络,报错中会提示输入特征数的大小,下方网络中第一个全连接层的输入特征数为1600)更具体地说,损失函数loss是由模型的所有权重w经过一系列运算得到的,若某个w的requires_grads为True,则w的所有上层参数(后面层的权重w)的.grad_fn属性中就保存了对应的运算,然后在使用。,否则的话,有输入数据,即使不训练,它也会改变权值。原创 2022-09-17 16:40:46 · 2034 阅读 · 11 评论