woodman的专栏

自用，已测试。

国内的源，速度优势明显。常用的有清华、阿里等。

一 Pytorchpytorch有很多种包，有特殊需求的可以去GitHub上再找找。（天也不 早了，我就简单掰扯几句）1 安装#conda 的某个环境下安装pip install --upgrade git+https://github.com/Lyken17/pytorch-OpCounter.gitpip install onnx2 导入模块#此处省略了模块的导入，网上教程很多，不多做赘述。from thop.profile import profilenetwork

import numpy as npimport pandas as pdimport matplotlib.pylab as pltimport pickleimport sys, ossys.path.append(os.pardir)In [3]def cross_entropy_error(y, t): if y.ndim == 1: t = t.reshape(1, t.size) y = y.reshape(1, y.size) .

目录前言一、Pytorch的入门二、使用步骤1.引入库2.读入数据3.定义卷积神经网络4.Training5.在测试集上测试模型总结前言深度学习中有很多入门数据，MNIST被称为机器学习的“Hello World”，一个人能否入门深度学习往往就是以能否玩转MNIST数据来判断的。PyTorch有一个很好的模块nn，它提供了一种有效构建大型神经网络的好方法。我们将按顺序执行以下步骤：使用torchvision加载并标准化 MNIST 训练和测试数据集

深度学习是时下AI领域的研究热点，但是很多大佬的“简单”、“显然”等，对新人而言可能需要花几天几夜时间查找资料才能理解。正是出于这样的考量，本文以BBN的阅读为例，列举了几个“简单”的常识。BBN: Bilateral-Branch Network with Cumulative Learning for Long-Tailed Visual RecognitionAuthors:Boyan Zhou, Quan Cui, Xiu-Shen Wei, Zhao-Min Chen【概述】数据分