- 博客(4)
- 收藏
- 关注
RSS订阅原创 基于 PyTorch 实现 ResNet-18 并在Cifar-10数据集上进行验证
通常的认识是，神经网络的深度越深，效果越好；但事实并不完全一致，太深的神经网络很容易导致梯度消失或梯度爆炸。ResNet 网络的提出，就是为了解决网络深度增加的问题。ResNet 提出了一个新的网络块——残差块：
2019-06-23 21:23:49
7307
15
原创 基于 PyTorch 实现 VGG-11 并在Cifar-10数据集上进行验证
VGG 论文地址：VGG 是一个很经典的卷积神经网络结构，是由 AlexNet 改进的，相比于 AlexNet，主要的改变有两个地方： 使用 3 x 3 卷积核代替 AlexNet 中的大卷积核 使用 2 x 2 池化核代替 AlexNet 的 3 x 3 池化核
2019-06-23 19:48:16
4794
原创 基于 PyTorch 实现 AlexNet 并在 Cifar-10 数据集上进行验证
这是深度学习课程的第二个实验，实验的主要内容是卷积神经网络，要求实现 AlexNet。但是 AlexNet 的输入不符合 Cifar-10 数据集，因此这里将参数更改了一下，但网络结构没有变，还是五层卷积，三层全连接。虽然对于 32 X 32 这么小的图片，用 AlexNet 有点大材小用的感觉，但实验要求，而且对于初学者来说，AlexNet 还是很经典的，能学到不少东西，直接干就好了。
2019-06-20 13:21:23
11803
13
原创 使用 PyTorch 实现 MLP 并在 MNIST 数据集上验证
这是深度学习课程的第一个实验，主要目的就是熟悉 Pytorch 框架。MLP 是多层感知器，我这次实现的是四层感知器，代码和思路参考了网上的很多文章。个人认为，感知器的代码大同小异，尤其是用 Pytorch 实现，除了层数和参数外，代码都很相似。Pytorch 写神经网络的主要步骤主要有以下几步：1. 构建网络结构2. 加载数据集3. 训练神经网络（包括优化器的选择和 Loss 的计算）4. 测试神经网络
2019-06-15 23:36:27
12886
7
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