weixin_42558201的博客

pytorch篇数据增强torchvision.transforms，举例如下：import torchvision.transforms as transformsdata_transforms = transforms.Compose([ transforms.RandomResizedCrop(224), transforms.RandomHorizontalFlip(), transforms.ToTensor(), trans

一、权重衰减与学习率衰减https://blog.csdn.net/program_developer/article/details/80867468

查看适合的cuda版本nvidia控制面板->帮助->系统信息->组件

1. 去均值操作：各维度都减对应维度的均值，使得输入数据各个维度都中心化为0原因：如果不去均值的话会容易拟合。 这是因为如果在神经网络中，特征值x比较大的时候，会导致W*x+b的结果也会很大，这样进行激活函数（如relu）输出时，会导致对应位置数值变化量太小，进行反向传播时因为要使用这里的梯度进行计算，所以会导致梯度消散问题，导致参数改变量很小，也就会易于拟合，效果不好。其他：有的说去均值是为了对图像进行标准化，可以移除图像的平均亮度值 (intensity)。很多情况下我们对图像的照度并不感兴趣