文章来自微信公众号【机器学习炼丹术】。 上一节课,讲解了MNIST图像分类的一个小实战,现在我们继续深入学习一下pytorch的一些有的没的的小知识来作为只是储备。 参考目录: @ 目录 1 pytorch数据结构 1.1 默认整数与浮点数 1.2 ...
跟着Dive into DL PyTorch.pdf从头开始学pytorch,夯实基础 Tensor创建 创建未初始化的tensor 输出 创建随机初始化的tensor 输出 创建全 的tensor,指定类型为long 输出 指定数据创建 输出 利用已有tensor来创建,新创建的tensor和已有tensor具有相同数据类型,除非手动指定. 输出 输出 还有很多创建tensor的方法 函数 功能 ...
2019-12-11 16:36 0 296 推荐指数:
文章来自微信公众号【机器学习炼丹术】。 上一节课,讲解了MNIST图像分类的一个小实战,现在我们继续深入学习一下pytorch的一些有的没的的小知识来作为只是储备。 参考目录: @ 目录 1 pytorch数据结构 1.1 默认整数与浮点数 1.2 ...
本节讲述Data如何利用Pytorch提供的DataLoader进行读取,以及Transforms的图片处理方式。 【文中思维导图采用MindMaster软件】 注意:笼统总结Transforms,目前仅具体介绍裁剪、翻转、标准化,后续随着代码需要,再逐步更新 ...
卷积神经网络 在之前的文章里,对28 X 28的图像,我们是通过把它展开为长度为784的一维向量,然后送进全连接层,训练出一个分类模型.这样做主要有两个问题 图像在同一列邻近的像素在这个向量 ...
关于什么是线性回归,不多做介绍了.可以参考我以前的博客https://www.cnblogs.com/sdu20112013/p/10186516.html 实现线性回归 分为以下几个部分: 生成数据集 读取数据 初始化模型参数 定义模型 定义损失函数 定义优化算法 ...
AlexNet AlexNet是2012年提出的一个模型,并且赢得了ImageNet图像识别挑战赛的冠军.首次证明了由计算机自动学习到的特征可以超越手工设计的特征,对计算机视觉的研究有着极其重要的意 ...
GoogLeNet GoogLeNet和vgg分别是2014的ImageNet挑战赛的冠亚军.GoogLeNet则做了更加大胆的网络结构尝试,虽然深度只有22层,但大小却比AlexNet和VGG小很 ...
模型构造 nn.Module nn.Module是pytorch中提供的一个类,是所有神经网络模块的基类.我们自定义的模块要继承这个基类. 输出如下: Module的子类 torch中还提供了一些其他的类,方便我们构造模型.这些类也都是继承自nn.Module. ...
前几节介绍的线性回归模型适用于输出为连续值的情景。在另一类情景中,模型输出可以是一个像图像类别这样的离散值。对于这样的离散值预测问题,我们可以使用诸如softmax回归在内的分类模型。和线性回归不同, ...