![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
学习笔记
文章平均质量分 88
云烟成雨_sky
这个作者很懒,什么都没留下…
展开
-
【学习笔记】pytorch-图像风格迁移实战
1. 风格迁移入门2. pytorch实战3. 小结原创 2021-12-24 16:15:03 · 3385 阅读 · 0 评论 -
【学习笔记】pytorch迁移学习-猫狗分类实战
1.迁移学习入门什么是迁移学习:在深度神经网络算法的引用过程中,如果我们面对的是数据规模较大的问题,那么在搭建好深度神经网络模型后,我们势必要花费大量的算力和时间去训练模型和优化参数,最后耗费了这么多资源得到的模型却只能解决这一个问题,性价比较低。如果训练得到的模型能够解决同一类问题,那么模型的性价比就会提高很多,这就促使使用迁移模型解决同一类问题的方法出现。我们通过对一个训练好的模型进行细微调整,就能将其应用到相似的问题中,最后还能取得很好的效果;另外,对于原始数据较少的问题,我们也能够通过采用迁移模型原创 2021-12-23 15:04:19 · 1546 阅读 · 0 评论 -
【学习笔记】pytorch实战手写数字识别
搭建简单的卷积神经网络实现手写数字图片识别。1. torch和torchvision在Pytorch中有两个核心的包,分别是torch和torchvision。torchvision包主要功能是实现数据的处理、导入和预览等,在处理计算机视觉问题时可以使用torchvision包中的类完成相应工作。导包部分如下:import torchfrom torchvision import datasets, transformsfrom torch.autograd import Variable之后原创 2021-12-21 11:21:40 · 1162 阅读 · 0 评论 -
【学习笔记】Pytorch基础-搭建简易神经网络
Pytorch中的Tensor1.1数据类型定义方式:(1)torch.FloatTensor:用于生成浮点型Tensor,传递给torch.FloatTensor的参数可以是一个列表,也可以是一个维度值。(2)torch.IntTensor: 用于生成整型的Tensor(3)torch.rand:用于生成浮点型且维度指定的随机Tensor,满足0-1的均匀分布(4)torch.randn:满足均值0方差1的正态分布(5)torch.range:生成浮点型且自定义起始范围和结束范围的Tensor,需要.原创 2021-12-20 14:11:36 · 668 阅读 · 0 评论 -
【学习笔记】深度神经网络基础
1. 监督学习和无监督学习监督学习简单定义:提供一组输入数据和其对应的标签数据,然后搭建一个模型,让模型在通过训练后准确地找到输入数据和标签数据之间的最优映射关系,在输入新的数据后,模型能够通过之前学到的最优映射关系,快速地预测出这组新数据的标签。这就是一个监督学习过程。主要应用的是分类问题和回归问题。回归问题:使用监督学习的方法,使得模型在通过训练后建立起一个连续的线性映射关系。分类问题:使搭建的模型通过监督学习之后建立起一个离散的映射关系。无监督学习简单定义:提供一组没有任何标签的输入数据,在我原创 2021-12-06 16:41:25 · 705 阅读 · 0 评论 -
【学习笔记】矩阵运算入门
1. 标量、向量、矩阵和张量在线性代数中有几个核心概念:标量、向量、矩阵和张量。(1)标量(Scalar) :标量其实就是一个独立存在的数,比如实数5就可以看做是一个标量,所以标量的运算相对简单,与平常做的数学算术运算类似。(2)向量(Vector):向量指一列按顺序排列的元素,我们通常习惯用括号将这一列元素括起来,其中每个元素都由一个索引值来唯一地确定其在向量中的位置,假设这个向量中的第1个元素是x1x_1x1,它的索引值就是1,第二个元素是x2x_2x2,它的索引值就是2。如下所示是一个由三个原创 2021-12-02 21:52:56 · 1230 阅读 · 0 评论 -
【学习笔记】感知机模型
感知机(Perceptron)概述1957年被提出,是一种有单层计算单元的神经网络模型,在结构上与M-P模型相似,提出初衷是解决数据的分类问题。感知机是神经网络和支持向量机的基础。感知机原理感知机本身是一种能进行二分类的线性模型。只要被处理的数据线性可分,就能使用感知机模型训练得到二分类模型。若数据线性不可分,训练会出现模型来回震荡的情况。单层感知机模型图感知机的数学表达式:f(x) = sign(wx+b)其中,x为输入向量,w为输入向量对应权重值,b为偏置,w·x是点积,sign为符.原创 2021-12-02 21:02:20 · 2733 阅读 · 0 评论