深度学习
文章平均质量分 79
喝过期的拉菲
研究生记录学习
展开
-
pytorch写一个神经网络训练示例代码
当使用PyTorch训练全连接神经网络时,你需要定义神经网络模型、损失函数和优化器,并编写训练循环。下面是一个简单的示例,演示了如何使用PyTorch来训练一个全连接神经网络。接下来,我们初始化了模型、损失函数和优化器,并进行了训练循环。最后,我们使用训练好的模型进行了一个简单的预测。你可以根据自己的数据和模型结构进行相应的修改,希望这个示例能够帮助你开始使用PyTorch训练全连接神经网络。在这个示例中,我们首先定义了一个简单的全连接神经网络模型。原创 2024-03-30 17:09:36 · 728 阅读 · 0 评论 -
pytorch手写dataset
这样,你就可以使用自定义的Dataset类来加载你的特征和标签数据,并将其用于训练模型。希望这个示例能够帮助你创建自己的PyTorch Dataset类。只需将自己的特征和标签分别传入CustomDataset(features, labels)中即可。你可以使用这个自定义的Dataset类来创建PyTorch的DataLoader,并将其用于训练模型。当你创建一个PyTorch自定义的Dataset类时,你需要继承。方法根据给定的索引返回对应的特征和标签。类接受特征和标签作为输入,并在。原创 2024-03-30 16:56:09 · 584 阅读 · 0 评论 -
[内存泄漏][PyTorch](create_graph=True)
[内存泄漏][PyTorch](create_graph=True)原创 2023-11-18 17:08:23 · 930 阅读 · 2 评论 -
取Dataset子集(pytorch)
我们在调试深度学习代码时,常常会遇到数据集太大,导致调试浪费时间的情况,这种情况下,将数据集中的一个子集拿出来用于调试代码,调试成功在用完整的数据集运行代码成为一个可行的方案。函数提供了一个简便的方式,函数如下,indices表示取子集中样本在。原创 2023-10-27 16:50:40 · 705 阅读 · 0 评论 -
Understanding Black-box Predictions via Influence Functions阅读笔记
Understanding Black-box Predictions via Influence Functions阅读笔记,主要对利用影响函数的4个案例进行理解。原创 2023-08-30 21:42:27 · 259 阅读 · 0 评论 -
Visualizing and Understanding Convolutional Networks阅读笔记
CNN模型已经取得了非常好的效果,但是在大多数人眼中,只是一个“黑盒”模型,目前还不清楚为什么它们表现得如此好,也不清楚如何改进。在本文中,我们探讨了这两个问题。我们介绍了一种新的可视化技术,可以深入了解中间特征层的功能和分类器的操作。通过使用类似诊断的方式,作者还得到了比 AlexNet 更好的结构 ZFNet;最后,作者还通过在 ImageNet 上训练,然后在其他数据集上进行 fine-tuning,得到了非常好的结果。原创 2023-08-16 16:33:37 · 147 阅读 · 0 评论 -
“Why Should I Trust You?” Explaining the Predictions of Any Classifier阅读笔记
“Why Should I Trust You?” Explaining the Predictions of Any Classifier阅读笔记原创 2023-08-04 20:32:00 · 306 阅读 · 1 评论 -
Network Dissection 论文阅读笔记
Network Dissection 论文阅读笔记。这是CVPR2017一篇有关深度学习可解释性研究的文章,作者通过评估单个隐藏神经元(unit)与一系列语义概念(concept)间的对应关系,来量化 CNN 隐藏表征的可解释性。原创 2023-07-19 11:34:28 · 1330 阅读 · 0 评论 -
tensorflow安装教程(Window Server 2019, Anaconda,Python3.9)
tensorflow安装教程(Window Server 2019, Anaconda,Python3.9)原创 2023-03-22 20:14:31 · 1694 阅读 · 1 评论 -
阅读笔记:What Uncertainties Do We Need in Bayesian Deep Learning for Computer Vision?
阅读笔记:What Uncertainties Do We Need in Bayesian Deep Learning for Computer Vision?原创 2022-10-24 15:34:43 · 1042 阅读 · 1 评论 -
复现开源论文代码总结
复现开源论文代码总结原创 2022-08-03 10:49:45 · 11882 阅读 · 2 评论 -
A Gentle Introduction to Graph Neural Networks阅读笔记
A Gentle Introduction to Graph Neural Networks阅读笔记原创 2022-07-10 08:59:46 · 371 阅读 · 0 评论 -
一些重要的 Pytorch 任务 - 来自视觉研究人员的简明总结
一些重要的 Pytorch 任务 - 来自视觉研究人员的简明总结。冻结Resnet部分层用于微调;保存模型/加载模型;更改模型最后一层,删除最后一层,添加层;自定义模型;自定义损失函数。原创 2022-06-14 11:17:23 · 200 阅读 · 0 评论 -
MAML代码(Pytorch)阅读笔记
MAML代码(Pytorch)阅读笔记原创 2022-06-05 21:04:25 · 1023 阅读 · 0 评论 -
MAML论文阅读笔记--回归实验
MAML论文阅读笔记--回归实验Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks原创 2022-06-03 14:53:27 · 1385 阅读 · 1 评论 -
基于Pytorch的ResNet模型实现
基于Pytorch的ResNet模型实现原创 2022-05-30 14:52:59 · 294 阅读 · 0 评论 -
ResNet论文笔记
RseNet论文阅读笔记原创 2022-05-13 22:02:30 · 656 阅读 · 0 评论