![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
deep learning
有天_
这个作者很懒,什么都没留下…
展开
-
pytorch多特征数据的MSEloss计算
假设我们的数据集有三个样本,三个特征分别是[0.3, 0.3, 0.4], [0.3, 0.4, 0.3], [0.1, 0.2, 0.7]对应的标签是[0, 0, 1], [0, 1, 0], [1, 0, 0]在pytorch.nn.MSEloss中,计算的顺序是这样的1_loss = (0.3-0)^2 + (0.3-0)^2 + (0.4-1)^2 = 0.542_loss = (0.3-0)^2 + (0.4-1)^2 + (0.2-0)^2 = 0.543_los原创 2020-07-27 09:33:36 · 3499 阅读 · 0 评论 -
pytorch中的Dataset和Dataloader以及collate_fn参数的作用
先定义x和y作为数据及其标签,定义我们自己的TestDataset类,在这个类中要实现__getitem__和__len__方法,才可以在Dataloader中使用,注意看Dataloader中输出的格式。import torchimport torch.nn.functional as Fimport numpy as npfrom torch.utils.data import ...原创 2020-05-07 09:45:09 · 2466 阅读 · 0 评论 -
YOLO v3检测算法笔记
学习来源于博客https://blog.paperspace.com/how-to-implement-a-yolo-object-detector-in-pytorch/YOLO只使用了卷积层,使其成为一个全卷积网络(FCN)。它有75个卷积层,有跳跃连接和上采样层没有使用池的形式,使用一个带有stride=2的卷积层对特征图进行降采样。这有助于防止通常归因于池的低级功能的丢失。作为一个FCN, YOLO对输入图像的大小是不变的。然而,在实践中,我们可能希望保持恒定的输入大小该网络通过一个称原创 2020-05-11 14:35:27 · 1182 阅读 · 0 评论