![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 75
ting_qifengl
这个作者很懒,什么都没留下…
展开
-
最新深度学习综述手册
麻省理工出版社麻在今年的1月底发布了一个非常全面的深度学习综述手册,名叫《Understanding Deep Learning》,作者是Simon J.D. Prince。原创 2023-02-07 09:18:14 · 1463 阅读 · 7 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自定义网络层
Pytorch、Tensoflow等许多深度学习框架集成了大量常见的网络层,为我们搭建神经网络提供了诸多便利。但在实际工作中,因为项目要求、研究需要或者发论文需要等等,大家一般都会需要自己发明一个现在在深度学习框架中还不存在的层。 在这些情况下,就必须构建自定义层。博主在学习了沐神的动手学深度学习这本书之后,学到了许多东西。这里记录一下书中基于Pytorch实现简单自定义网络层的方法,仅供参考。一、不带参数的层首先,我们构造一个没有任何参数的自定义层,要构建它,只需继承基础层类并实现前向传播功能原创 2022-05-19 20:29:28 · 1981 阅读 · 5 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 -
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 -
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实现LSTM(附code)
最近搞了一个NASA PCoE的IGBT加速老化数据,想基于pytorch框架写一个LSTM模型进行IGBT退化状态的预测,于是有了这篇文章。注:LSTM的原理就不多讲了,网上一大堆,不懂的自己去百度,本文主要侧重代码实现。一、数据集介绍本数据集是NASA PCoE研究中心公布的IGBT加速老化数据集。数据集含有四种实验条件下的IGBT加速老化数据,以下是实验条件:(1)新设备的源测量单元(SMU data for new devices)该文件中含有一组原始实验条件下的电气特性数据,分原创 2021-01-23 13:33:00 · 64068 阅读 · 91 评论 -
神经网络简介(二)
接上回书,这节我们介绍计算机如何找到合适的线性方程,即计算机如何学习?我们来看一个简单的例子。如下图,有三个蓝点和三个红点,寻找区分这些点的直线。对于计算机来说,它可能随机从某个位置开始选择一个线性方程(如下方右图)。这条直线将整个样本空间化分为两个区域--蓝色区域与红色区域。可以看出,这条直线的分类效果比较差,所以我们需要移动它,即让这条直线更加靠近下图中两个分类错误的点(在蓝色区域的红点和...原创 2020-12-20 09:59:44 · 193 阅读 · 0 评论 -
神经网络简介(一)
神经网络的重要性不必多说,直接进入主题。本文主要讲解神经网络的一些基本算法及编程(如感知器、交叉熵、梯度下降等),逐步深入,最后教你搭建一个简单的神经网络。如果读者是小白,不了解神经网络,请自行百度。简单来说,神经网络其实就是分类问题。比如寻找一条最佳的直线区分下图中的红色数据和蓝色数据。当然这只是简单地线性分类问题。随着网络层数的增加,神经网络可以处...原创 2020-12-19 11:41:09 · 235 阅读 · 2 评论