- 博客(3)
- 收藏
- 关注
RSS订阅原创 torchsummary用法
3. conv1层，in_channel数为3，因为输入的参数的通道数就是3。所以输出大小h= （32+2*1-3）/1 + 1 = 32。），则默认的步幅是等于池化窗口的大小。输出大小为（16+2*1-3）/1 +1 = 16。所以conv1的输出为[-1,16,32,32]所以conv2的输出为[-1,32,16,16]所以max_pool1层的输出为[-1,16,16,16]所以max_pool2层的输出为[-1,32,8,8]max_pool2层后，将其打平，一共的参数数量是32。
2024-06-05 19:59:44
1571
原创 向量one-hot编码和embedding
而这个10是由输入的总词数决定的，所以当总词数很多时，张量会很大很大，而embedding的3是我们人为自定义的，当总词数比较多的时候会比较有优势。从one-hot变成embedding的一个好处就是，编码的长度和总的词数没有关系了。相当于是把输入的每一项扩展了一个维度，映射到了embedding size大小的维度上。One-hot编码是一种将分类变量转换为二进制向量的方法，其中只有一个元素是1，其他都是0。Embedding是一种将分类变量映射到低维空间的方法，常用于自然语言处理中的词嵌入。
2024-06-05 19:55:01
1019
原创 PyTorch 深度学习实践 第12讲
第12讲 循环神经网络（基础）1. 卷积神经网络CNN，由于权重共享的概念，整个图像上用的卷积核是共享的。所需要的参数量是比较少的。而全连接层其实是参数量最大的部分。2. 所以RNN也是用到了权重共享的概念，减少需要训练的数量。3. 主要是针对有序列的数据，先后的时间序列关系，前后互相依赖。4. 自然语言，就是常见的具有序列关系的数据。RNN cell其实还是一个线性层。所有的这一串RNN cell，其实是同一个，这个线性层的权重是一直在循环使用的。
2024-06-05 16:38:41
1617
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