![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Pytorch
文章平均质量分 93
行走的算法
哈哈哈哈哈哈哈!!!!!
展开
-
Pytorch构建神经网络三(29-33节)——笔记
Pytorch构建神经网络三(29-33节)——笔记4.1&4.2 使用tensorboard可视化CNN训练指标报错对不同的batchsize,lr的训练情况进行比较方法1:但此方法需要多层for循环tb.close()对多层的偏置,权重及其梯度进行访问的原理for name,weight in network.named_parameters(): print(name, weight.shape)对不同的batchsize,lr的训练情况进行比较方法2:只需一层循环4.1&a原创 2021-11-08 16:49:54 · 1227 阅读 · 0 评论 -
Pytorch构建神经网络(二)笔记
Pytorch构建神经网络(二)笔记3. 神经网络与深度学习3.1 Fashion-MNIST 数据集的起源3.1.1 Fashion-MNIST数据集3.2 使用torchvision导入和加载数据集3.2.1 创建深度学习项目的流程:3.2.2 数据准备遵守ETL过程:3.2.3 数据的准备:3. 神经网络与深度学习3.1 Fashion-MNIST 数据集的起源计算机程序一般由两个主要部分组成:代码和数据对于深度学习而言,软件即为网络本身,尤其是在训练过程中通过训练产生的权重神经网络程序员原创 2021-10-27 16:15:57 · 623 阅读 · 0 评论 -
Pytorch构建神经网络(一)笔记
Pytorch构建神经网络(一)张量函数解释——张量的重塑t.numel()和torch.tensor(t.shape).prod()t.view()和t.reshape()t.flatten()张量函数解释——张量的重塑t = torch.tensor([[1,1,1,1], [2,2,2,2], [3,3,3,3]], dtype=torch.float32)t.numel()和torch.tensor(t.shape).p原创 2021-10-26 20:21:19 · 322 阅读 · 0 评论