- 博客(9)
- 收藏
- 关注
RSS订阅原创 第P7周：咖啡豆识别
🍨 本文为[🔗365天深度学习训练营](https://mp.weixin.qq.com/s/Nb93582M_5usednAKp_Jtw) 中的学习记录博客🍦 参考文章：[Pytorch实战 | 第P6周：好莱坞明星识别]🍖 原作者：[K同学啊 | 接辅导、项目定制](https://mtyjkh.blog.csdn.net/)🚀 文章来源：[K同学的学习圈子](https://www.yuque.com/mingtian-fkmxf/zxwb45)
2023-11-22 07:54:48
50
1
原创 第P6周：好莱坞明星识别
🍨 本文为[🔗365天深度学习训练营](https://mp.weixin.qq.com/s/Nb93582M_5usednAKp_Jtw) 中的学习记录博客🍦 参考文章：[Pytorch实战 | 第P6周：好莱坞明星识别]🍖 原作者：[K同学啊 | 接辅导、项目定制](https://mtyjkh.blog.csdn.net/)🚀 文章来源：[K同学的学习圈子](https://www.yuque.com/mingtian-fkmxf/zxwb45)
2023-11-20 21:14:00
172
1
原创 第P5周：运动鞋品牌识别
在预测图片时，常常需要将图片张量 unsqueeze(0)，这是因为大多数深度学习模型（如卷积神经网络）通常期望输入数据的形状为 (batch_size, channels, height, width)，其中 batch_size 表示批处理大小。torch.nn.Flatten()与TensorFlow中的Flatten()层类似，前两者则仅仅是一种数据集拉伸操作（将二维数据拉伸为一维），torch.flatten()方法不会改变x本身，而是返回一个新的张量。需要注意的是，只有在训练期间才会应用。
2023-11-15 22:00:07
125
原创 第P2周：彩色图片识别
例如，我们使用的shape是(2, 3, 2)，可以理解成：2通道的图片，每张图层是3 * 2大小，正常渲染是先把第一个通道的图片把3 * 2个像素点绘制，在把第二个通道的3 * 2像素绘制。在使用transpose(1, 2, 0)后，新的数据是shape是（3，2，2），可以理解成每张图层是3 * 2大小，2通道的图片，原先的是先绘制一个通道数据，如今变换后的数据是每次将一个坐标的不同通道的像素进行一次性绘制。，所有的梯度就会自动运算，tensor的梯度将会累加到它的.grad属性里面去。
2023-10-20 20:37:04
55
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人