![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Pytorch学习
文章平均质量分 92
浅浅ch
这个作者很懒,什么都没留下…
展开
-
深度学习-图像分类篇 P4.1 VGG网络-pytorch
哔哩哔哩视频链接 up主附的代码链接 (一)VGG网络详解 1.1 VGG网络简介 1、VGG亮点 通过堆叠多个3X3的卷积核可以替代大尺度的卷积核,它们拥有相同的感受野。以此减少所需的参数。 1.2 感受野 1、感受野的定义 在卷积神经网络中,决定某一层输出结果中一个元素所对应的输入层的区域大小,被称作感受野。 通俗的解释是,输出feature map上的一个单元对应输入层上的区域大小。 就是说,假设输入的特征层是9X9X1,经过Conv1后,N=(9-3+0)/2+1=4,输出4X4X1;再经过下采原创 2022-04-03 21:52:11 · 2380 阅读 · 0 评论 -
深度学习-图像分类篇 P3.1AlexNet网络-pytorch
哔哩哔哩视频链接 up主附的代码链接 (一)AlexNet网络介绍 1.1 简介 1、该网络的亮点: (1)使用传统的Sigmoid激活函数求导比较麻烦,而且在较深的网络中容易导致梯度消失现象,而ReLu函数能解决这两个问题。 (2)过拟合是指特征维度过多或模型设计过于复杂时训练的拟合函数,它能完美的预测几乎所有训练集,但对新数据的泛化能力差。 而该作者提出的Dropout能在网络正向传播过程中随机失活一部分神经元,相当于随机放弃了一部分参数,从而达到过拟合的状态。 (3)回顾公式: 1.2 网络结构介绍原创 2022-04-03 17:05:21 · 2666 阅读 · 1 评论 -
深度学习-图像分类篇 P2.1 pytorch官方demo
(一)预备知识 1、demo代码地址: 我们将以这个图片分类代码《Training a Classifier》为例: 点进去之后我们看一下代码大概是这样,数据集我们选择的是Cifar 10: 2、回顾LeNet网络 可以看到LeNet的网络结构主要是:卷积-下采样-卷积-下采样-3个全连接层。 而我们使用的cifar10数据集是彩色图片,有RGB三个通道,那么我们的input应该是3X32X32。 特别地,在Pytorch中的通道排序是[batch, channel, height, width],其中b原创 2022-04-01 22:43:45 · 1525 阅读 · 0 评论 -
pytorch安装
(一)安装Anaconda 1、详细步骤这里不多说。anaconda安装时会自带安装相应的python版本。 安装完成后,可以运行cmd,使用conda --version查看anaconda的版本;用conda list查看安装的包,这里面也包含了python,可以看到对应的python版本。 (二)安装CUDA 10.0 注意,CUDA 10.0只能安装在NVIDIA显卡上。 1、谷歌搜索“cuda download”进入https://developer.nvidia.com/cuda-downlo原创 2022-01-04 21:13:45 · 66831 阅读 · 5 评论