用户6719124

LV1
发表了文章

CIFAR10数据集实战-ResNet网络构建(下)

这里注意到由[2, 64, 32, 32]到[2, 128, 32, 32],channel数量翻倍,而长和宽没有变化。这样势必会导致x的维度会越来越大。

用户6719124
Python
发表了文章

CIFAR10数据集实战-ResNet网络构建(中)

用户6719124
发表了文章

CIFAR10数据集实战-ResNet网络构建(上)

之前讲到过,ResNet包含了短接模块(short cut)。本节主要介绍如何实现这个模块。

用户6719124
Python
发表了文章

CIFAR10数据集实战-LeNet5神经网络(下)

用户6719124
发表了文章

CIFAR10数据集实战-LeNet5神经网络(中)

用户6719124
Python
发表了文章

CIFAR10数据集实战-LeNet5神经网络(上)

上次课我们讲解了对于CIFAR10数据读取部分代码的编写,本节讲解如何编写经典的LeNet5神经网络。

用户6719124
发表了文章

CIFAR10数据集实战-数据读取部分(下)

这里设置了batch_size=32,对于一般硬件配置来说32是个较合理的数值,若硬件性能够强可设更高。

用户6719124
BashBash 指令
发表了文章

CIFAR10数据集实战-数据读取部分(上)

登录http://www.cs.toronto.edu/~kriz/cifar.html网站,可以自行下载数据集。

用户6719124
发表了文章

Pytorch小技巧-数据增强(下)

局部增强,一般裁剪操作是配合图片旋转操作共同进行,先裁减掉一部分,再进行旋转即可。

用户6719124
发表了文章

Pytorch小技巧-数据增强(上)

那么在现实生活中,想要得到大量的数据,不仅要收集各种情景下、各种角度、各个位置的照片,还有确保数据的多样性。

用户6719124
神经网络机器学习深度学习AI 人工智能
发表了文章

pytorch基础知识-Batch Norm(下)

上图是对前节课所讲的小结,通过Normalize将[6, 3, 784]分为3个通道的[6, 784]数据。使得数据结果整体分布于(0~正负1)区间内。

用户6719124
批量计算
发表了文章

Pytorch-nn.Module

(1)nn.Module在pytorch中是基本的复类,继承它后会很方便的使用nn.linear、nn.normalize等。

用户6719124
pytorch面向对象编程
发表了文章

Pytorch-经典卷积网络介绍(下)

上次课介绍了LeNet-5和AlexNet,本节课介绍VGG和GoogleNet。

用户6719124
kernel
发表了文章

Pytorch-经典卷积网络介绍(上)

y轴是错误率。由图看出在较早期的拘役2⁓4层神经网络结构的shallow错误率高达25.8%和28.2%。而后在alexnet出现后,一下子将错误率降到了16....

用户6719124
卷积神经网络神经网络
发表了文章

Pytorch-ResNet(残差网络)-下

在左图(准确率)的比较中,从AlexNet到GoogleNet再到ResNet,准确率逐渐提高。20层结构是很多网络结构性能提升的分水岭,在20层之前,模型性能...

用户6719124
发表了文章

Pytorch-ResNet(残差网络)-上

由之前的研究,会有人疑问是否往往更深层次的神经网络具有更佳的表现?这种问题现在还无法进行完美的解答。

用户6719124
神经网络kernel
发表了文章

pytorch基础知识-Batch Norm(上)

Batch Normalization(批量标准化)是深度学习中经常使用的,本节介绍它的定义和用法。

用户6719124
批量计算
发表了文章

pytorch基础知识-pooling(池化)层

pooling(池化)层原则上为采样操作,与upsample(上采样)不同的是,pooling为下采样操作,即将feature map变小的操作。

用户6719124
神经网络pytorch
发表了文章

Pytorch-卷积神经网络的运算流程(下)

这里第一个3代表3个通道,input channel数量为之前的1,3 3 代表了所取的kernel的size。

用户6719124
发表了文章

Pytorch-卷积神经网络的运算流程(中)

如上图中所列参数,x为1(假设batch为1)张图片、3个通道(对应于RGB三个通道)、28*28的大小。而kernel中的3代表对input的x上的三个通道上...

用户6719124
kernel

个人简介

个人成就

扫码关注云+社区

领取腾讯云代金券