pytorch框架
ZJE_ANDY
这个作者很懒,什么都没留下…
展开
-
[pytorch]医学图像语义分割UNET和UNET变体代码(包含多个数据集)
一,UNETUNET可以称为医学图像语义分割的基石,而且经常作为baseline与其他模型对比。一般的器官分割,只要是正正常常,边界比较明显的,没什么特殊情况的,一般UNET就能做得很好。UNET结构如下:UNET特点:1.UNET结构和FCN十分相似,但是两者之间区分很大的一个地方就是,跳接(skip connection)处UNET是使用连接方式,即UNET采用将特征在ch...原创 2020-02-13 10:43:12 · 12662 阅读 · 24 评论 -
pytorch--深度学习神经网络中可视化工具Visdom的使用
0.使用visdom服务先用 python -m visdom.server命令打开visdom服务。然后登录网页 http://localhost:8097 ,就能够进入到visdom服务中。1.展示图片单张图片:import cv2import visdomvis = visdom.Visdom(env='default2',server='http://127....原创 2020-01-16 15:52:40 · 2060 阅读 · 1 评论 -
修改pytorch提供的resnet接口实现Kaggle猫狗识别
一,数据集Kaggle猫狗大战的数据集下载链接:https://www.kaggle.com/c/dogs-vs-cats-redux-kernels-edition二,导入resnet(以resnet18为例)from torchvision.models.resnet import resnet18resnet = resnet18(pretrained=True)pr...原创 2019-07-10 15:17:29 · 5935 阅读 · 18 评论 -
pytorch GAN伪造手写体mnist数据集
一,mnist数据集形如上图的数字手写体就是mnist数据集。二,GAN原理(生成对抗网络)GAN网络一共由两部分组成:一个是伪造器(Generator,简称G),一个是判别器(Discrimniator,简称D)一开始,G由服从某几个分布(如高斯分布)的噪音组成,生成的图片不断送给D判断是否正确,直到G生成的图片连D都判断以为是真的。D每一轮除了看过G生成的假图片以外,...原创 2019-07-08 10:36:16 · 2211 阅读 · 6 评论 -
pytorch简单孪生网络识别脸部
一,孪生网络结构:input1和input2都输入到两个一模一样的姊妹网络中,输出的结果,再通过对比损失函数(Contrastive Loss)中。得到差异值。下面的代码是用cnn作为一个简单姊妹网络。Contrastive Loss损失函数:二,数据集用AT&T面部数据集。数据集一共有40个人的不同面部照片:每个人有十来张:三,训练代...原创 2019-07-02 15:39:43 · 5402 阅读 · 16 评论 -
pytorch用VGG11识别cifar10数据集(训练+预测单张输入图片代码)
首先这是VGG的结构图,VGG11则是红色框里的结构,共分五个block,如红框中的VGG11第一个block就是一个conv3-64卷积层:一,写VGG代码时,首先定义一个vgg_block(n,in,out)方法,用来构建VGG中每个block中的卷积核和池化层:n是这个block中卷积层的数目,in是输入的通道数,out是输出的通道数有了block以后,我们还需要一个方...原创 2019-06-11 14:17:26 · 6219 阅读 · 8 评论 -
pytorch用LeNet5识别cifar10数据集(训练+预测单张输入图片代码)
先找到LeNet5的模型结构训练代码:import torchimport torch.nn as nnimport torch.nn.functional as Ffrom torch.autograd import Variableimport torchimport torchvisionimport torchvision.transforms as transfo...原创 2019-06-04 15:59:49 · 4591 阅读 · 4 评论 -
pytorch用VGG11识别Kaggle的猫狗大战数据集(训练+预测单张输入图片代码)
Kaggle猫狗大战的数据集下载链接:https://www.kaggle.com/c/dogs-vs-cats-redux-kernels-edition这是VGG的结构,红色框的则是VGG11。一,写VGG代码时,首先定义一个vgg_block(n,in,out)方法,用来构建VGG中每个block中的卷积核和池化层:n是这个block中卷积层的数目,in是输入的通道数,ou...原创 2019-06-12 17:03:58 · 6293 阅读 · 1 评论 -
pytorch用LeNet5识别Mnist手写体数据集(训练+预测单张输入图片代码)
首先,在论文上的LeNet5的结构如下,由于论文的数据集是32x32的,mnist数据集是28x28的,所有只有INPUT变了,其余地方会严格按照LeNet5的结构编写程序:训练代码:import torchimport torch.nn as nnimport torch.nn.functional as Fimport torch.optim as optimfrom t...原创 2019-05-30 23:07:48 · 9845 阅读 · 20 评论 -
mnist手写体数据集里的标准化参数transforms.Normalize((0.1307,), (0.3081,))
很多人在处理mnist数据集时,看别人的代码都会看到这么一串数字:其中,0.1307和0.3081是mnist数据集的均值和标准差,因为mnist数据值都是灰度图,所以图像的通道数只有一个,因此均值和标准差各一个。要是imagenet数据集的话,由于它的图像都是RGB图像,因此他们的均值和标准差各3个,分别对应其R,G,B值。例如([0.485, 0.456, 0.406], [0.229...原创 2019-05-30 17:23:26 · 11616 阅读 · 9 评论