动手学深度学习第二版
whut_52xj
这个作者很懒,什么都没留下…
展开
-
3.7. softmax回归的简洁实现
【代码】3.7. softmax回归的简洁实现。原创 2023-04-03 19:58:41 · 236 阅读 · 0 评论 -
3.3. 线性回归的简洁实现
1f。原创 2023-04-01 16:05:50 · 122 阅读 · 0 评论 -
改进模型结构后,将官方的预训练权重文件转化为自己模型的权重文件
改进模型结构后,将官方的预训练权重文件转化为自己模型的权重文件直接上代码import torch# 更改模型训练一周期得到模型随机初始化的模型权重文件my_weights = torch.load(r'my_weights_path')# 原网络模型提供的预训练权重Pretrained_weights = torch.load(r'Pretrained_weights_path')for item in Pretrained_weights.keys(): print(item)原创 2022-05-05 17:44:33 · 872 阅读 · 4 评论 -
《动手学深度学习》13.2 微调之训练CAFIR-10数据集
导入功能包import torchimport torchvisionfrom torch import nnimport MyFunction as MFimport sysimport datetimeimport timefrom tqdm import tqdm获取CAFIR-10数据# 定义获取CIFAR-10数据集的函数num_workers = 0 if sys.platform.startswith("win") else 4def load_cifar10.原创 2021-08-08 21:11:59 · 879 阅读 · 0 评论 -
《动手学深度学习》13.4锚框
13.4.1生成多个锚框参考: 13.4.1生成多个锚框.代码实现导入功能包import torchimport matplotlib.pyplot as plt# 精简打印精度,保留两位小数torch.set_printoptions(precision=2) 定义生成以每个像素为中心具有不同形状的锚框函数# 指定输入、一组大小和一组宽高比,该函数将返回输入的所有锚框def multibox_prior(feature_map, sizes, ratios): "原创 2021-08-06 19:20:18 · 1498 阅读 · 3 评论 -
《动手学深度学习》13.2 微调
案例演示微调:热狗识别导入功能包import osimport torchimport torchvisionimport matplotlib.pyplot as plt获取数据集我们使用的热狗数据集(点击下载)是从网上抓取的,它含有1400张包含热狗的正类图像,和同样多包含其他食品的负类图像。各类的1000张图像被用于训练,其余则用于测试。data_dir = r"C:\Users\52xj\Desktop\pytorch\data\hotdog"dir = os.listd原创 2021-08-03 09:04:52 · 444 阅读 · 0 评论 -
《动手学深度学习》13.1 图像增广
《动手学深度学习》12.1 图像增广训练部分导入功能包import torchimport torchvisionfrom tqdm import tqdmfrom torch import nnfrom torch.nn import functional as Fimport MyFunction as MFimport sysimport timeimport datetime定义使用的ResNet-18网络#定义模型# 残差操作class Residual(n原创 2021-08-02 22:33:43 · 154 阅读 · 0 评论 -
《动手学深度学习》7.6 残差网络(ResNet)
《动手学深度学习》7.6 残差网络(ResNet)导入功能包import torchfrom torch import nnfrom torch.nn import functional as Fimport MyFunction as MF# summary用来可视化模型结构from torchsummary import summaryResNet-18模型定义# 残差操作class Residual(nn.Module): # 可以设定输出通道数、是否使用额外的原创 2021-07-29 11:22:22 · 327 阅读 · 0 评论 -
《动手学深度学习》7.5 批量归一化-从零开始实现
《动手学深度学习》7.5 批量归一化-从零开始实现导入功能包import torchfrom torch import nnimport MyFunction as MF定义归一化操作# 归一化操作def batch_norm(X, gamma, beta, moving_mean, moving_var, eps, momentum): # 通过 `is_grad_enabled` 来判断当前模式是训练模式还是预测模式 if not torch.is_grad_en原创 2021-07-28 15:45:22 · 203 阅读 · 0 评论 -
《动手学深度学习》7.4. 含并行连结的网络(GoogLeNet)
《动手学深度学习》7.4. 含并行连结的网络(GoogLeNet)1.训练部分导入功能包import torchfrom torch import nnfrom torch.nn import functional as Ffrom torchsummary import summaryimport MyFunction as MFInception块的定义# Inception块的定义,四个并行线路class Inception(nn.Module): """原创 2021-07-27 21:13:00 · 229 阅读 · 0 评论 -
《动手学深度学习》7.3网络中的网络(NiN)
《动手学深度学习》7.3网络中的网络(NiN)导入功能包import torchfrom torch import nnimport MyFunction as MF参数设置lr, num_epochs, batch_size = 0.1, 10, 128读取数据device = torch.device("cuda" if torch.cuda.is_available() else "cpu")train_iter, test_iter = MF.load_data_f原创 2021-07-27 18:41:35 · 173 阅读 · 0 评论 -
《动手学深度学习》6.6卷积神经网络(LeNet)
《动手学深度学习》6.6卷积神经网络(LeNet)导入功能包import torchfrom torch import nn# MyFunction为自己创建的包import MyFunction as MF参数设置batch_size = 256lr = 0.9num_epochs = 10读取数据train_iter, test_iter = MF.load_data_fashion_mnist(batch_size=batch_size)# 指定设备devic原创 2021-07-26 09:01:42 · 475 阅读 · 0 评论