![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习入门
文章平均质量分 59
基于Pytorch的深度学习入门
yeen123
这个作者很懒,什么都没留下…
展开
-
Pytorch框架:Torch标准库+(Torchtext/Torchaudio/Torchvision)+CUDA
Pytroch框架基础转载 2023-03-28 15:44:17 · 259 阅读 · 0 评论 -
Tensor中的矩阵分解
EVD解决方阵的矩阵分解; SVD解决非方阵的矩阵分解。 PCV:机器学习降维的方法。 无监督 LDA:分类、度量,的特征数据的降维。 有监督 在使用PCA进行特征向量降维的时候,一定要设定相应的约束条件,否则求解的结果会是无穷或者很多,或者不一定满足要求。只有设定约束条件的,实现最优化目标函数的才是我们想要的解。 而能达到这个要求的,刚好有协方差矩阵,因此最终采用的方法是协方差矩阵,将其进行矩阵分解,拿到对应的特征值和特征向量。拿到新的特征空间的两个主要信息。......原创 2022-06-12 18:33:15 · 162 阅读 · 0 评论 -
基于CNN的深度学习基础(一)
(1)先导入数据,对数据进行预处理; (2)定义网络,采用什么样的网络; (3)定义LOSS函数; (4)定义优化器; (5)开始启动训练; (6)测试训练模型精度。 机器视觉里面,图像处理得过程无非分为两个大类,分类问题和回归问题。 其中这两类问题在计算LOSS值得时候,有两种不同得计算方式,回归问题常用均方差;回归问题常用到softmax 交叉熵。 偏差:描述LOSS值是否在收敛,逼近最优化解。 方差:描述得是收敛得是否稳定,波动情况是否大。L0范数实际就是参数向量中0得个数,我们希望0越多越好,原创 2022-06-12 18:20:44 · 270 阅读 · 0 评论 -
Pytorch分类网络入门(MNIST)
文章目录前言一、数据准备1.1 导入外部数据,构造Dataset类1.2 DataLoader函数装载自定义Dataset二、构建VGG神经网络模型2.1 定义模型结构2.1 定义损失函数和优化器三、训练和测试神经网络模型3.1 定义训练网络3.2 定义测试网络四、主函数总结 前言 利用Pytorch构建VGG分类网络,对MNIST(60000张1-28-28的手写体)数据集进行识别和分类。 一、数据准备 1.1 导入外部数据,构造Dataset类 在constructed_datasets.py文件定原创 2022-04-28 12:46:36 · 4155 阅读 · 0 评论