目录
2019.11.9记
pyTorch的核心是两个主要特征:
1.一个n维张量。类似于numpy,但可以在Gpu上运行,numpy不能利用GPU来加速其数值计算,不能满足当代深度学习的需求
2搭建和训练神经网络时的自动微分/求导机制
numpy.dot() 和 x.dot(y) 为矩阵乘法计算
np.max([-2, -1, 0, 1, 2])
2
np.maximum([-2, -1, 0, 1, 2], 0)
array([0, 0, 0, 1, 2])
今早看了一篇基于RGB-D的生物特征识别的安全认证:
将生物的RGB图和深度图进行熵值运算并计算其显著值,最后通过cnn提取特征并分类,采用cnn替代rise算法中的HOG(方向梯度直方图),可以改善其实时性差,难以处理遮挡,对噪声敏感的问题。实验中采取了5层卷积层和4层最大池化层。采用的是ReLU作为激励函数完成非线性化处理
`