![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Deep learning
文章平均质量分 51
wvdon
先做好一件事,才能做好更多事
展开
-
沐神的 《动手学深度学习》 课程中的 3.3. 线性回归的简洁实现
沐神的 《动手学深度学习》 3.3. 线性回归的简洁实现有很多需要学习的地方。模型分为,数据输入,转换为tensorData, 加载打乱(data)## 造数据import torchfrom torch.utils import datafrom torch import nndef synthetic_data(w,b,num_examples): X = torch.normal(0,1,(num_examples,len(w))) y = torch.matmul(原创 2022-01-23 01:46:01 · 814 阅读 · 0 评论 -
沐神的 《动手学深度学习》 课程中的 3.2节 线性回归的从零实现
线性回归从0实现代码的实现需要这么几个过程。数据读入随机打乱的数据,然后要分epoch。定义我们的模型,损失函数,优化算法定义好超参数开始 for epoch …这个过程需要根据超参数,predict pre_label,然后计算出损失的反向传播,根据优化算法去更新参数。最后记得打印每次的loss,acc,auc等参数。我们读取 ⼀小批量训练样本,并通过我们的模型来获得⼀组预测。 计算完损失后,我们开始反向传播,存储每个参数 的梯度。最后, 我们调⽤优化算法sgd来更新模型参数构造数据原创 2022-01-23 00:35:13 · 982 阅读 · 1 评论 -
Kears源码之trainable
Kears源码之trainable作用:冻结网络层。❔ Dense和Bn层默认值。如何「冻结」网络层?「冻结」一个层意味着将其排除在训练之外,即其权重将永远不会更新。这在微调模型或使用固定的词向量进行文本输入中很有用。您可以将 trainable 参数(布尔值)传递给一个层的构造器,以将该层设置为不可训练的:frozen_layer = Dense(32, trainable=Fals...原创 2020-04-02 20:05:54 · 533 阅读 · 0 评论 -
深度学习框架之Caffe学习总结
一 简介 caffe是2013年由加州大学伯克利分校的贾杨清博士在Github上发布的一款深度学习开源框架。它 的核心语言是C++,支持python和matlab接口。既可以在CPU上运行,又可以在GPU上运行。主要应用于计算机视觉领域,如图像识别,目标识别,人脸识别,图像风格转换等方面。我们可以按照框架定义各种各样的卷积神经网络的结构,并且可以再此框架下增加自己的代码,设计新的算法,...原创 2018-08-02 01:25:00 · 2093 阅读 · 0 评论