深度学习实践篇
文章平均质量分 74
C_小米同学
悄无声息,逆流而上!
展开
-
Pytorch从入门到实践:dim维度的使用(终极版)
pytorch中对tensor的很多操作都涉及到dim(维度的设置),但是,我们总是搞不清楚每个维度代表什么,到底设置几维,比如sum(求和)、softmax、max(最大值)。ptorch中的dim类似于numpy纵的axis,这一次我们完全弄懂dim的使用。原创 2022-09-07 10:05:17 · 1259 阅读 · 40 评论 -
从零开始Pytorch深度学习-完整的训练过程
数据封装1.先获取训练集和验证集的图片图片路径(放在列表里面)、对应标签其文件路径如图1所示图1代码如下: train_images_path, train_images_label, val_images_path, val_images_label = read_split_data(args.data_path)read_split_data()函数的定义如下:def read_split_data(root: str, val_rate: float ...原创 2022-05-24 10:22:06 · 2656 阅读 · 1 评论 -
从零开始Pytorch深度学习-数据封装
数据封装深度学习整个的过程由几个模块组成:数据封装->模型定义->损失函数,优化器定义->训练函数定义这部分主要讲数据封装:我们以图片分类为例,图1为文件的结构(5种花)图1我们的绝对路径是:F:\pythonProject\blog\flower_photos我们先设计一个函数,用来提取该路径下的所有图片,对应的标签(0-4对应5种花的类别)。def read_split_data(root: str, val_rate: float = 0.2):原创 2022-05-17 20:00:42 · 1422 阅读 · 2 评论 -
从零开始Pytorch深度学习-模型搭建
上一篇讲了数据封装,接下来来看看模型的搭建。我们以经典的VGG网络为例。随着卷积网络在计算机视觉领域的应用越来越广泛,为了获得更高的准确率,越来越多的人尝试在krizhevsky2012imagenet中的原始框架上进行改进。例如,ILSVRC-2013最好的参赛模型在第一个卷积层上使用了较小的接受域窗口以及较小的滑动步长。另一种改进方案是在整幅图像以及它的多个尺寸上,稠密的训练和测试网络。本文中,我们关注了卷积网络结构设计中的另一个重要因素——深度。为此,我们固定了网络框架的其他参数,...原创 2022-05-19 11:40:31 · 357 阅读 · 1 评论