qq1803291168

安装 learn2learn 依赖库

基于优化的对抗样本生成算法

理解前馈、反向传播、初试pytorch的tensor属性

pytorch线性模型简介

Pytorch分类模型分类问题中，输出并不是像回归一样是一个确定的数值，而是一个概率；假如10分类问题中，我们输入一个x，得到的是它的输出对于某个分类最大的概率，而这10个概率值加起来要等于1回归问题的输出是一个实数值，而分类问题的输出是一个概率，所以我们需要找一个函数，把实数值映射到概率 [0,1] 区间，sigmoid函数。sigmoid函数是一个饱和函数，因为当x大于某个值时，函数值上升得很慢，即导数值变小，梯度很小不同的sigmoid函数loss的问题，由于是多分类任务，故y_

定义DataLoader和Dataset

网络结构：前面的是线性层+sigmoid激活层，最后一层是Softmax层Softmax的公式为如下：Softmax的损失函数-YlogY_predcodeimport numpy as npy = np.array([1,0,0])z = np.array([0.2,0.1,-0.1])y_pred = np.exp(z)/np.exp(z).sum()loss = (-y*np.log(y_pred)).sum()print(loss) torch自带交叉熵损失API，

CNN基础 基于PyTorch

CNN提高篇，GoogleNet、残差网络实现

PyTorch入门八 || 循环神经网络(基础)RNN专门用于处理带序列模式的数据，如天气预测，自然语言处理预测降雨的例子给一个气象表，包含（温度|气压|是否下雨）这三个信息字段我们利用前三天的气象信息来预测今天是否会下雨，那么需要将数据划分为四个一组，前三个作为input，第四个作为标签，是否下雨。原理图h0 与 x1 作为输入 经过 RNN Cell 得到输出h1，再将h1和x2作为输入 经过RNN Cell得到h2输出，一直循环下去，h0可以是CNN的输出，这样就将CNN与RNN接到一

PyTorch入门九 || 自编码

PyTorch入门十 || 模型保存

原理很简单，一个网络做卷积分类，另一个网络做反卷积生成图片

基于pytorch、matplotlib 提取卷积神经网络的 特征图

编写卷积神经网络时自动求出卷积后flatten向量的维度