深度学习之PyTorch实战（2）——神经网络模型搭建和参数优化
推荐“战争热诚”的博客
本站文章如无特殊说明，均为本站原创，如若转载，请注明出处：【转载】PyTorch学习 - Python技术站
微信扫一扫 
支付宝扫一扫
PyTorch数据处理，datasets、DataLoader及其工具的使用
上一篇
2023年4月8日 上午11:06
pytorch repeat 和 expand 函数的使用场景，区别
下一篇
2023年4月8日
相关文章
-
keras 修仙笔记二（ResNet算法例子）
对于牛逼的程序员，人家都喜欢叫他大神；因为大神很牛逼，人家需要一个小时完成的技术问题，他就20分钟就搞定。Keras框架是一个高度集成的框架，学好它，就犹如掌握一个法宝，可以呼风唤雨。所以学keras 犹如在修仙，呵呵。请原谅我无厘头的逻辑。 ResNet 关于ResNet算法，在归纳卷积算法中有提到了，可以去看看。 1， ResNet 要解决的问题 Re…
-
tensorflow1.0 构建神经网络做图片分类
import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets(“MNIST_data”,one_hot=True) def add_layer(inputs,in_size,out_siz…
-
caffe之(五)loss层
在caffe中，网络的结构由prototxt文件中给出，由一些列的Layer（层）组成，常用的层如：数据加载层、卷积操作层、pooling层、非线性变换层、内积运算层、归一化层、损失计算层等；本篇主要介绍loss层 下面首先给出全loss层的结构设置的一个小例子（定义在.prototxt文件中） layer { name: “loss” type: “…
-
使用pytorch实现线性回归
使用PyTorch实现线性回归 线性回归是一种常用的回归算法，它可以用于预测连续变量的值。在本文中，我们将介绍如何使用PyTorch实现线性回归，并提供两个示例说明。 示例1：使用自己生成的数据实现线性回归 以下是一个使用自己生成的数据实现线性回归的示例代码： import torch import torch.nn as nn import torch.o…
-
边缘引导插值/方向卷积插值
Image zooming using directional cubic convolution interpolation 方向卷积插值 和边缘引导插值一个样
-
空洞卷积（Atrous Convolution）的优缺点
空洞卷积(atrous convolution)又叫扩张卷积(dilated convolution)，其实就是向卷积层引入了一个称为“扩张率（dilation rate）”的新参数，这个参数定义了卷积核处理数据时各值的间距。普通卷积和空洞卷积图示如下（以3*3卷积为例） （普通卷积） （空洞卷积） 那么这样的结构是为了解决什么问题呢？ 这又不得…
-
Keras gradCAM
#######a 加载有权重的模型 model = resnet_18_res2net(input_shape=(256, 256, 1), nclass=2)print(model.summary())model.compile(keras.optimizers.Adam(lr=0.0001), loss=’categorical_crossentro…
-
pytorch实现好莱坞明星识别的示例代码
好莱坞明星识别是一个常见的计算机视觉问题，可以使用PyTorch实现。在本文中，我们将介绍如何使用PyTorch实现好莱坞明星识别，并提供两个示例说明。 示例一：使用PyTorch实现好莱坞明星识别 我们可以使用PyTorch实现好莱坞明星识别。示例代码如下： import torch import torch.nn as nn import torch.o…
