- 博客(6)
- 收藏
- 关注
原创 【pytorch李沐动手学深度学习(图像增广和模型微调】
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录一、图像增广二、微调一、图像增广在输入图像img上多次运行图像增广方法aug并显示所有结果def apply(img, aug, num_rows=2, num_cols=4, scale=1.5): Y = [aug(img) for _ in range(num_rows * num_cols)] d2l.show_images(Y, num_rows, num_cols, scale=scale).
2022-04-16 16:56:31
3592
原创 【pytorch李沐动手学深度学习(四、CNN)】
文章目录一、卷积神经网络二、LeNet三、AlexNet网络架构VGGNiNGoogLeNet(并行)Batch NormalizationResNetDenseNet总结一、卷积神经网络#计算二维互相关运算def corr2d(X,K): h,w=K.shape Y=torch.zeros((X.shape[0]-h+1,X.shape[1]-w+1)) for i in range(Y.shape[0]): for j in range(Y.shape[1
2022-04-16 15:59:25
1410
原创 pytorch李沐动手学深度学习(三、深度学习计算)
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录一、层和块自定义块顺序块在前向传播函数中执行代码二、参数管理参数访问目标参数一次性访问所有参数从嵌套块收集参数参数初始化自定义初始化参数绑定自定义层读写模型文件GPU一、层和块net = nn.Sequential(nn.Linear(20, 256), nn.ReLU(), nn.Linear(256, 10))自定义块class MLP(nn.Module): # 用模型参数声明层。这里,我们声明两个全连接的.
2022-04-13 19:39:28
351
原创 pytorch李沐动手学深度学习(二.MLP和NN)
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录一、线性神经网络读取数据集定义模型块训练二、线性回归的简洁实现三、图像分类数据集d2l相关库读取图像sofemax多层感知机DropoutDropout(简洁)一、线性神经网络读取数据集def data_iter(batch_size, features, labels): num_examples = len(features) indices = list(range(num_examples)) .
2022-04-13 19:11:17
1895
原创 pytorch李沐动手学深度学习(一.基本操作)
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录一、数据操作二、数据预处理三、线性代数四、自动微分一、数据操作import torchx=torch.arange(12)#输出0-11print(x.shape)#张量形状print(x.numel())#元素数X = x.reshape(3, 4)#改变大小print(torch.zeros(2,3,4))#两个3*4 是三维张量print(torch.ones(2,3,4))print(torch.ra.
2022-04-13 16:33:10
317
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人