- 博客(4)
- 收藏
- 关注
RSS订阅原创 2021-07-14
提取的权重的整理在上一篇文章中，介绍了从神经网络中提取权重的步骤。本节主要介绍对于从神经网络中提取出的权重的整理方法，以适应将权重输入到嵌入式程序中的要求。目录提取的权重的整理一、 使用Excel进行整理1. 将在pycharm中打印出的数据拷贝到Excel2. 将数据分列分行，展成表格的形式（1）选中第一列，点击菜单栏-数据-分列（2）分列具体参数为：3. 去除存在的[]等符号4. 按列的格式排成一列二、 利用python脚本进行整理1. 将矩阵转置2. 使用.reshape()方法3. 数组拼接4
2021-07-15 00:33:55
260
原创 2021-07-14
神经网络训练权重的提取文章目录前言一、权重提取——利用Module named_parameters1. Module named_parameters介绍2. 对named_parameters的巧用（获取某一层权重）3. 利用得到的字典输出想要的数组4. 对于打印设置的特别说明总结参考素材：前言 基于pytorch搭建神经网络后，通过训练过程得到权重。权重数据有时需要保存在嵌入式设备的bram中，本文主要介绍将通过软件计算得到的权重以及偏置数据进行提取，以及将它们整理成合适的形式放入文本.
2021-07-14 21:22:29
569
原创 2021-07-03
机器学习之卷积的pytorch实现第二章 机器学习之卷积的pytorch实现文章目录机器学习之卷积的pytorch实现前言一、torch.nn.Conv2d()详解1. 函数定义及参数介绍：二、使用torch.nn.Conv2d()函数实现卷积1. 标准卷积以及卷积的变式：2. 用torch.nn.Conv2d()函数实现分组卷积3. 用torch.nn.Conv2d()函数实现深度可分离卷积(1) 对于DW层：(2) 对于PW层：总结前言PyTorch是一个基于python的科学计算包，作
2021-07-04 19:45:17
189
原创 2021-07-02
机器学习之卷积原理介绍文章目录机器学习之卷积原理介绍前言一、标准卷积原理1. 卷积运算的含义(1) 从信号处理中的卷积运算谈起(2) 神经网络中常用的二维卷积介绍<1> 卷积运算过程<2>针对不同的卷积层2. 针对多输入通道的情况3. 针对多输出通道的情况4. 标准卷积总结二、卷积运算的变式1.扩张卷积（空洞卷积 Dilated Convolutions）2. 改变步长的卷积(stride)3. 填充像素的卷积(padding)三、 分组卷积与深度可分离卷积1. 分组卷积(Gr
2021-07-03 21:25:25
384
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