lanzeou-大赛人网-第50页
lanzeou的头像-大赛人网
lanzeou管理员超级版主
这家伙很懒,什么都没有写...
8.3 池化层-大赛人网

8.3 池化层

池化的另一个特点是对微小偏差具有鲁棒性,数据发生微小偏差时,池化可能会返回相同的结果。例如,数据在宽度方向上偏离1个元素,返回的结果不变。 API使用: # 最大池化 torch.nn.MaxPool2d(ke...
8.2.4 3维数据的卷积运算-大赛人网

8.2.4 3维数据的卷积运算

图像是3维数据,除了长、宽外还需要处理通道方向。在3维数据的卷积运算中,输入数据的通道数和卷积核的通道数须设为相同的值。当有多个通道时,会按通道进行输入数据和卷积核的卷积运算,并将结...
第 8 章 卷积神经网络-大赛人网

第 8 章 卷积神经网络

8.1 CNN概述 卷积神经网络(Convolutional Neural Network,CNN)常被用于图像识别、语音识别等各种场合。它在计算机视觉领域表现尤为出色,广泛应用于图像分类、目标检测、图像分割等任务。 卷...
7.6 应用案例:房价预测-大赛人网

7.6 应用案例:房价预测

先安装pandas和scikit-learn库:pip install pandas scikit-learn。 使用House Prices数据集:https://www.kaggle.com/c/house-prices-advanced-regression-techniques。 7.6.1 导入所需的模块 ...
7.5.4 RMSProp-大赛人网

7.5.4 RMSProp

RMSProp(Root Mean Square Propagation,均方根传播)是在AdaGrad基础上的改进,它并非将过去所有梯度一视同仁的相加,而是逐渐遗忘过去的梯度,采用指数移动加权平均,呈指数地减小过去梯度的...
7.5 参数更新方法-大赛人网

7.5 参数更新方法

7.5.1 Momentum import torch import numpy as np import matplotlib.pyplot as plt def gradient_descent(X, optimizer, n_iters):     X_arr = X.detach().numpy().copy()  # 拷贝,用于记...
7.4.2 回归任务损失函数-大赛人网

7.4.2 回归任务损失函数

import torch from torch import nn, optim class Model(nn.Module):     # 初始化     def __init__(self):         # 调用父类初始化         super(Model, self).__init__()   ...
7.4 损失函数-大赛人网

7.4 损失函数

7.4.1 分类任务损失函数 import torch import torch.nn as nn # 真实值 target = torch.tensor([[1], [0], [0]], dtype=torch.float32) # 预测值 input = torch.randn((3, 1)) ...
7.3 搭建神经网络-大赛人网

7.3 搭建神经网络

7.3.1 自定义模型 在神经网络框架中,由多个层组成的组件称之为 模块(Module)。 在PyTorch中模型就是一个Module,各网络层、模块也是Module。Module是所有神经网络的基类。 在定义一个Module...
7.2 参数初始化和正则化-大赛人网

7.2 参数初始化和正则化

7.2.1 全连接层(nn.Linear) 在神经网络中,参数主要位于全连接层(仿射层Affine)中。 PyTorch提供了torch.nn模块,专门用于神经网络的构建和训练。其中全连接层被实现为Linear类,内部有两个...