![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
神经网络
文章平均质量分 76
ting_qifengl
这个作者很懒,什么都没留下…
展开
-
Pytorch实现CNN:LeNet(附代码实现与讲解)
本篇博客教大家使用MNIST数据集基于Pytorch框架实现比较经典的一种卷积神经网络:LeNet。运行环境:python 3.6.12,pytorch 1.6.0,torchvision 0.7.0。原创 2023-04-05 19:27:27 · 2673 阅读 · 4 评论 -
pytorch实现GRU(附code)
接上一篇文章(pytorch实现LSTM),在实现LSTM之后,又发现了GRU网络。说GRU是LSTM网络的一种效果很好的变体,它较LSTM网络的结构更加简单,而且效果也很好,也是当前非常流形的一种网络。所以决定尝试一下!注:数据集仍然使用上文中的IGBT加速老化数据集,数据与处理方法不变,直接上代码!!!在保证输入样本参数和学习率不变的情况下,即input_size = 5,out_oput = 1,lr = 0.01,试了很多参数,发现在训练集80%,测试集20%,hidden_size原创 2021-01-29 10:08:43 · 21474 阅读 · 35 评论 -
Pytorch学习之神经网络参数管理
这里记录一下pytorch神经网络参数管理方法(参数访问、参数初始化、参数绑定),方便自己和需要的朋友学习、查阅。一、参数访问1.1 访问指定层的指定参数首先构建一个多层感知机。import torchfrom torch import nnnet = nn.Sequential(nn.Linear(2, 4), nn.ReLU(), nn.Linear(4, 1))X = torch.rand(size=(2, 2))当通过nn.Sequential定义模型时, 我们可以通过原创 2022-05-25 10:23:42 · 2554 阅读 · 0 评论 -
pytorch实现GAN(生成对抗网络)生成二次元头像(附代码)
目录GAN基本概念GAN算法流程代码实现与讲解1、准备数据集代码实现定义鉴别器定义生成器训练补充附完整代码参考链接及书目GAN基本概念GAN, 全称Generative Adversarial Networks,中文名为生成对抗网络,是一种深度学习模型,是近年来复杂分布上无监督学习最具前景的方法之一。主要包括生成网络和对抗网络。想要具体了解其实现原理的可以看一下Ian Goodfellow大牛的论文:Generative Adversarial Net..原创 2021-08-05 10:53:35 · 4723 阅读 · 13 评论 -
conda安装onnx
最近在学习pytorch转ONNX模型,调通了代码,想验证下生成的ONNX文件是否正确,参照pytorch官网教程,需要先安装onnx库:可能因为是国外的源,所以一直下载不成功,换了国内的源也没用(好像说-c这个参数指定的是在国外)后面就打算直接去下载安装包,本地安装。先去https://anaconda.org/conda-forge搜索onnx库的安装包,如下图:点击onnx由于当前页面显示的是下载onnx的命令,而我们需要下载安装包,所以选择红框中的“File”:原创 2021-02-10 16:48:05 · 9946 阅读 · 1 评论 -
神经网络模型结构可视化方法
今天,发现了一个可视化模型结构的神器:Netron,可以查看网络结构图,十分好用! ...原创 2021-02-07 10:07:40 · 435 阅读 · 0 评论