深度学习pytorch
文章平均质量分 95
pytorch框架实现深度学习常见的模型
一名小菜鸟的学习之路
这个作者很懒,什么都没留下…
展开
-
样式迁移
我们将介绍如何使用卷积神经网络自动将某图像中的样式应用在另一图像之上,即样式迁移(style transfer)[1]。这里我们需要两张输入图像,一张是内容图像,另一张是样式图像,我们将使用神经网络修改内容图像使其在样式上接近样式图像。图9.12中的内容图像为本书作者在西雅图郊区的雷尼尔山国家公园(Mount Rainier National Park)拍摄的风景照,而样式图像则是一副主题为秋天橡...原创 2020-02-25 19:14:02 · 1151 阅读 · 0 评论 -
过拟合,欠拟合,梯度消失,梯度爆炸
过拟合和欠拟合我们将探究模型训练中经常出现的两类典型问题:一类是模型无法得到较低的训练误差,我们将这一现象称作欠拟合(underfitting);另一类是模型的训练误差远小于它在测试数据集上的误差,我们称该现象为过拟合(overfitting)。 在实践中,我们要尽可能同时应对欠拟合和过拟合。虽然有很多因素可能导致这两种拟合问题,在这里我们重点讨论两个因素:模型复杂度和训练数据集大小。模型...原创 2020-02-18 15:51:10 · 248 阅读 · 0 评论 -
Kaggle房价预测
Kaggle房价预测作为深度学习基础篇章的总结,我们将对本章内容学以致用。下面,让我们动手实战一个Kaggle比赛:房价预测。本节将提供未经调优的数据的预处理、模型的设计和超参数的选择。我们希望读者通过动手操作、仔细观察实验现象、认真分析实验结果并不断调整方法,得到令自己满意的结果。%matplotlib inlineimport torchimport torch.nn as nnim...原创 2020-02-18 16:02:38 · 757 阅读 · 1 评论 -
经典卷积神经网络模型—AlexNet,VGG,GoogLeNet
AlexNet特征8层变换,其中有5层卷积和2层全连接隐藏层,以及1个全连接输出层。将sigmoid激活函数改成了更加简单的ReLU激活函数。用Dropout来控制全连接层的模型复杂度。引入数据增强,如翻转、裁剪和颜色变化,从而进一步扩大数据集来缓解过拟合第一个卷积层输入的图片大小为:2242243(或者是2272273)第一个卷积层为:111196即尺寸为1111,有96个...原创 2020-02-18 21:10:00 · 591 阅读 · 0 评论 -
深度学习线性回归pytorch实现
模型在这次线性回归中,我们使用经典的房价预测案例,在这里考虑两个影响房价的因素,即面积(平方米)和房龄(年)。接下来我们希望探索价格与这两个因素的具体关系。线性回归假设输出与各个输入之间是线性关系:price = $w_area*...原创 2020-02-14 12:52:31 · 316 阅读 · 0 评论 -
深度学习softmax与多层感知机分类模型
softmax简单的分类问题一个简单的图像分类问题,输入图像的高和宽均为2像素,色彩为灰度。图像中的4像素分别记为x1,x2,x3,x4x_1,x_2,x_3,x_4x1,x2,x3,x4。真实标签为狗、猫或者鸡,这些标签对应的离散值为y1,y2,y3y_1,y_2,y_3y1,y2,y3。我们通常使用离散的数值来表示类别。例如y1=1,y2=2,y3=3y_1=1,y_2=2,...原创 2020-02-14 17:28:33 · 1459 阅读 · 0 评论