...

一、nn.Modules 我们可以定义一个模型，这个模型继承自nn.Module类。如果需要定义一个比Sequential模型更加复杂的模型，就需要定义nn.Module模型。 定义了__init__和 forward 两个方法，就实现了自定义的网络模型。 _init_(),定义模型架构，实现 ...

刚学习pytorch，简单记录一下 输出结果： ...

最近在训练MobileNet时经常会对其模型参数进行各种操作，或者替换其中的几层之类的，故总结一下用到的对神经网络参数的各种操作方法。 1.将matlab的.mat格式参数整理转换为tensor类型的模型参数 其中，mul和shift为量化后的乘子和移位参数（如果参数是浮点的则可 ...

借助Keras和Opencv实现的神经网络中间层特征图的可视化功能，方便我们研究CNN这个黑盒子里到发生了什么。 自定义网络特征可视化 代码： # coding: utf-8 from keras.models import Model import cv2 import ...

参考文献：Géron, Aurélien. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, ...

tensorflow中的类tf.keras.layers.Layer可用于创建神经网络中的层，使用说明如下。 使用tf.keras.layers.Layer创建自定义的层 创建一个层 创建一个张量并输入该层 参考文献： tensorflow2.0 - 自定义layer ...

训练一个神经网络往往只需要简单的几步： 准备训练数据 初始化模型的参数 模型向往计算与向后计算 更新模型参数 设置相关的checkpoint 如果上述的每个步骤都需要我们写Python的代码去一步步实现，未免显的繁琐，好在MXNet提供了Module模块来解决这个问题 ...