【深度学习】Pytorch 学习笔记
目录 Pytorch Leture 05: Linear Rregression in the Pytorch Way Logistic Regression 逻辑回归 - 二分类 Lecture07: How to make netural network ...
原文：【学习笔记】Pytorch深度学习—优化器（一）
前面我们学习过了损失函数，损失函数Loss是衡量模型输出与真实标签之间的差异的。有了损失函数Loss，通过Loss根据一定的策略 来更新模型中的参数使得损失函数Loss逐步降低 这便是优化器optimizer的任务。本节优化器optimizer主要包括 方面内容，分别是 什么是优化器，优化器的定义和作用是 Pytorch中提供的优化器optimizer的基本属性是 optimizer的方法是 图 ...
2020-08-19 21:57 0 801 推荐指数：
相关推荐
莫烦pytorch学习笔记（七）——Optimizer优化器
各种优化器的比较 莫烦的对各种优化通俗理解的视频 ...
【PyTorch深度学习】学习笔记之PyTorch与深度学习
第1章 PyTorch与深度学习 深度学习的应用 接近人类水平的图像分类 接近人类水平的语音识别 机器翻译 自动驾驶汽车 Siri、Google语音和Alexa在最近几年更加准确 日本农民的黄瓜智能分拣 肺癌检测 准确度高于人类的语言翻译 读懂图片中的图像 ...
【学习笔记】Pytorch深度学习—损失函数
前面学习了如何构建模型、模型初始化，本章学习损失函数。本章从3个方面学习，（1）损失函数的概念以及作用；（2）学习交叉熵损失函数；（3）学习其他损失函数NLL、BCE、BCEWithLogits Loss 损失函数概念 损失函数：衡量模型输出与真实标签的差异。 图 ...
常见的深度学习优化器
优化器的使用： 在机器学习与深度学习中，主要应用于梯度下降。比如：传统的优化器主要结合数据集，通过变化单次循环所采用的数据量的大小来对梯度下降进行控制；非传统的优化器则进一步结合数据集的特点和模型的训练时间，以不同的形式变化梯度下降的学习率 ...
【学习笔记】Pytorch深度学习—学习率调整策略
前面的课程学习了优化器的概念，优化器中有很多超参数如学习率lr，momentum动量、weight_decay系数，这些超参数中最重要的就是学习率。学习率可以直接控制模型参数更新的步伐，此外，在整个模型训练过程中学习率也不是一成不变的，而是可以调整变化的。本节内容就可以分为以下3方面展开，分别 ...
PyTorch深度学习入门笔记（一）PyTorch环境配置及安装
@ 目录 一、工具安装 1.1 Anaconda 安装 1.2 Pytorch安装 二、编辑器安装 2.1 Pycharm安装 2.2 Jupyter安装 OS： ubuntu 20.04（虚拟机 ...
【学习笔记】Pytorch深度学习-网络层之卷积层
卷积概念 什么是卷积？ 以上图为例，中间为卷积核，在输入图像上进行滑动，当滑动到当前位置时，其卷积运算操作是对卷积核所覆盖像素，进行权值和对应位置处像素的乘加： \(\ output= (7 ...