<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Holy_cow的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Holy_cow</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Holy_cow]]></copyright><item><title><![CDATA[Bubbliiiing的深度学习仓库voc_annovation.py详解]]></title><link>https://blog.youkuaiyun.com/Holy_cow/article/details/133382284</link><guid>https://blog.youkuaiyun.com/Holy_cow/article/details/133382284</guid><author>Holy_cow</author><pubDate>Thu, 28 Sep 2023 17:03:55 +0800</pubDate><description><![CDATA[【代码】Bubbliiiing的深度学习仓库voc_annovation.py详解。]]></description><category></category></item><item><title><![CDATA[json_to_dataset 详解(写成注释的形式）（添加了可以过滤掉无效json文件的代码）]]></title><link>https://blog.youkuaiyun.com/Holy_cow/article/details/133377288</link><guid>https://blog.youkuaiyun.com/Holy_cow/article/details/133377288</guid><author>Holy_cow</author><pubDate>Thu, 28 Sep 2023 10:20:29 +0800</pubDate><description><![CDATA[【代码】json_to_dataset (详解）]]></description><category></category></item><item><title><![CDATA[diy一个ResNet18网络]]></title><link>https://blog.youkuaiyun.com/Holy_cow/article/details/132907400</link><guid>https://blog.youkuaiyun.com/Holy_cow/article/details/132907400</guid><author>Holy_cow</author><pubDate>Fri, 15 Sep 2023 16:48:45 +0800</pubDate><description><![CDATA[【代码】diy一个ResNet18网络。]]></description><category></category></item><item><title><![CDATA[复现github上深度学习的项目的一些简单操作指令]]></title><link>https://blog.youkuaiyun.com/Holy_cow/article/details/132306245</link><guid>https://blog.youkuaiyun.com/Holy_cow/article/details/132306245</guid><author>Holy_cow</author><pubDate>Tue, 15 Aug 2023 22:37:17 +0800</pubDate><description><![CDATA[配置环境：然后再进入环境（输入上面的激活环境的指令就好）如果配置环境的文件格式不是yml， 是txt格式的，也可以输入下面这个指令，其实 -f 指的就是文件的意思。然后在pycharm里配置好自己创建的虚拟环境的python解释器，就可以运行。]]></description><category></category></item><item><title><![CDATA[小土堆pytorch学习笔记(二十一、完整的模型测试套路）]]></title><link>https://blog.youkuaiyun.com/Holy_cow/article/details/132219129</link><guid>https://blog.youkuaiyun.com/Holy_cow/article/details/132219129</guid><author>Holy_cow</author><pubDate>Thu, 10 Aug 2023 21:41:47 +0800</pubDate><description><![CDATA[运行结果，保存了30个世代训练好的模型，将损失值最小的一个下载下来，然后在测试代码中加载，再进行输入，查看预测输出值，是否与targets一致。分别输入狗和飞机的图片后，只有飞机的图片识别成功了。利用已经训练好的模型，然后给他提供输入。]]></description><category></category></item><item><title><![CDATA[小土堆pytorch学习笔记（二十、利用GPU训练1-2）]]></title><link>https://blog.youkuaiyun.com/Holy_cow/article/details/132218568</link><guid>https://blog.youkuaiyun.com/Holy_cow/article/details/132218568</guid><author>Holy_cow</author><pubDate>Thu, 10 Aug 2023 21:16:46 +0800</pubDate><description><![CDATA[就是对网络模型、数据（输入和标注）、损失函数使用gpu训练。]]></description><category></category></item><item><title><![CDATA[小土堆pytorch学习笔记（十九、完整的模型训练套路.2-3)]]></title><link>https://blog.youkuaiyun.com/Holy_cow/article/details/132202877</link><guid>https://blog.youkuaiyun.com/Holy_cow/article/details/132202877</guid><author>Holy_cow</author><pubDate>Thu, 10 Aug 2023 10:18:46 +0800</pubDate><description><![CDATA[其中，cow.train和cow.eval可以查看官方文档，它们只对特定的层有作用，如dropout，要在我搭建的模型中也要有这一层才会起到作用。]]></description><category></category></item><item><title><![CDATA[小土堆pytorch学习笔记（十八、完整的模型训练套路.1）]]></title><link>https://blog.youkuaiyun.com/Holy_cow/article/details/132199800</link><guid>https://blog.youkuaiyun.com/Holy_cow/article/details/132199800</guid><author>Holy_cow</author><pubDate>Wed, 09 Aug 2023 23:21:55 +0800</pubDate><description><![CDATA[网络模型的架构是根据CIFAR10网络模型搭建的。]]></description><category></category></item><item><title><![CDATA[小土堆pytorch学习笔记（十七、网络模型的保存与读取）]]></title><link>https://blog.youkuaiyun.com/Holy_cow/article/details/132143852</link><guid>https://blog.youkuaiyun.com/Holy_cow/article/details/132143852</guid><author>Holy_cow</author><pubDate>Mon, 07 Aug 2023 12:38:39 +0800</pubDate><description><![CDATA[用方法1保存的模型进行加载时必须将网络模型也复制过去，不过不用创建一个子类。这样就不用将搭建的网络模型复制过去，可以直接加载。加载搭建好的神经网络模型。]]></description><category></category></item><item><title><![CDATA[小土堆pytorch学习笔记（十六、现有网络模型的使用及修改）]]></title><link>https://blog.youkuaiyun.com/Holy_cow/article/details/132142189</link><guid>https://blog.youkuaiyun.com/Holy_cow/article/details/132142189</guid><author>Holy_cow</author><pubDate>Mon, 07 Aug 2023 11:39:03 +0800</pubDate><description><![CDATA[代码无法下载，数据集太大，只能手动下载
检测预训练的作用：
当预训练参数为false时，权重值如下：

当预训练参数为true时，权重值如下：

再查看vgg16_true的结构：
二、应用vgg16模型
将之前下载的CIFAR10数据集应用到vgg16模型上，但是由于vgg16模型有1000个分类，而CIFAR10只有10个分类，所以需要修改vgg16模型。有两种方法，一是改变out_feature的输出，由1000改为10，二是再加一层线性层，将1000改为10。运行如下代码：
运行结果如下：
或者直接]]></description><category></category></item><item><title><![CDATA[小土堆pytorch学习笔记（十五、优化器）]]></title><link>https://blog.youkuaiyun.com/Holy_cow/article/details/132140331</link><guid>https://blog.youkuaiyun.com/Holy_cow/article/details/132140331</guid><author>Holy_cow</author><pubDate>Mon, 07 Aug 2023 10:46:16 +0800</pubDate><description><![CDATA[优化器是用来更新网络的参数的。]]></description><category></category></item><item><title><![CDATA[小土堆pytorch学习笔记（十四、损失函数与反向传播）]]></title><link>https://blog.youkuaiyun.com/Holy_cow/article/details/132135777</link><guid>https://blog.youkuaiyun.com/Holy_cow/article/details/132135777</guid><author>Holy_cow</author><pubDate>Sun, 06 Aug 2023 22:30:40 +0800</pubDate><description><![CDATA[给L1Loss函数的reduction赋值“sum’]]></description><category></category></item><item><title><![CDATA[小土堆pytorch学习笔记（十三、搭建模型和sequential的使用）]]></title><link>https://blog.youkuaiyun.com/Holy_cow/article/details/132133066</link><guid>https://blog.youkuaiyun.com/Holy_cow/article/details/132133066</guid><author>Holy_cow</author><pubDate>Sun, 06 Aug 2023 18:13:21 +0800</pubDate><description><![CDATA[打开Pytorch官网，查看Sequential

根据CIFAR10数据集图片特征搭建模型：

没有使用sequential的情况，运行如下代码：
其中，padding的值的计算按下面的公式:
运行结果如下：
创建一个输入来检测网络的正确性：
结果：
二、Sequential的使用
使用Sequential搭建模型，可大大简化代码
运行结果如下：
再加上如下代码，在tensorboard中查验效果：
打开tensorboard：

打开流程图查看：]]></description><category></category></item><item><title><![CDATA[小土堆Pytorch学习笔记（十二、线性层及其它层介绍）]]></title><link>https://blog.youkuaiyun.com/Holy_cow/article/details/132111294</link><guid>https://blog.youkuaiyun.com/Holy_cow/article/details/132111294</guid><author>Holy_cow</author><pubDate>Fri, 04 Aug 2023 20:42:14 +0800</pubDate><description><![CDATA[归一化层（BatchNorm2d)主要用来文字识别之类的。]]></description><category></category></item><item><title><![CDATA[小土堆pytorch学习笔记（十一、激活函数的使用）]]></title><link>https://blog.youkuaiyun.com/Holy_cow/article/details/132109386</link><guid>https://blog.youkuaiyun.com/Holy_cow/article/details/132109386</guid><author>Holy_cow</author><pubDate>Fri, 04 Aug 2023 18:10:15 +0800</pubDate><description><![CDATA[可以打开Pytorch官网查看Relu激活函数其中，有一个关于implace参数的使用：implace的值为True时，会修改原来的输入值，为False时，不会修改原来的输入值，而是返回一个输出值。大于0的数输出原值，小于0的数输出0。]]></description><category></category></item><item><title><![CDATA[小土堆Pytorch学习笔记（十、最大池化的使用）]]></title><link>https://blog.youkuaiyun.com/Holy_cow/article/details/132053436</link><guid>https://blog.youkuaiyun.com/Holy_cow/article/details/132053436</guid><author>Holy_cow</author><pubDate>Wed, 02 Aug 2023 01:41:47 +0800</pubDate><description><![CDATA[stride的默认值为kernel_size，而ceil_mode设为True时，输出的图像形状会采用向上取整(ceil)，设为False时，输出的图像形状会采用向下取整（floor)。再修改ceil_mode的参数， 由True -> False，再看运行结果如何。注意输入要求格式为浮点数，所以设置了dtype参数。最大池化也被称为下采样。可以看它的一些参数。这就是图像最大池化的结果。以下面的输入图像为例;]]></description><category></category></item><item><title><![CDATA[小土堆Pytorch学习笔记（九、卷积操作和卷积层）]]></title><link>https://blog.youkuaiyun.com/Holy_cow/article/details/132050626</link><guid>https://blog.youkuaiyun.com/Holy_cow/article/details/132050626</guid><author>Holy_cow</author><pubDate>Tue, 01 Aug 2023 22:53:26 +0800</pubDate><description><![CDATA[由以下输入图像和卷积核做卷积操作再由cov2d的参数规定：输入有四个参数，而运行结果显示只有两个（只有高和宽），所以得改成四维，采用torch.reshape( )]]></description><category></category></item><item><title><![CDATA[小土堆pytorch学习笔记（八、神经网络的基本骨架——nn.Module的使用）]]></title><link>https://blog.youkuaiyun.com/Holy_cow/article/details/132046357</link><guid>https://blog.youkuaiyun.com/Holy_cow/article/details/132046357</guid><author>Holy_cow</author><pubDate>Tue, 01 Aug 2023 17:26:56 +0800</pubDate><description><![CDATA[要么也可以点击pycharm中的code ->generate ->override。在重写__init__( )方法时一定要注意继承父类的__init__方法。在Pytorch的首页查看torch.nn。查看container中的module。]]></description><category></category></item><item><title><![CDATA[小土堆Pytorch学习笔记（七、DataLoader的使用）]]></title><link>https://blog.youkuaiyun.com/Holy_cow/article/details/132032439</link><guid>https://blog.youkuaiyun.com/Holy_cow/article/details/132032439</guid><author>Holy_cow</author><pubDate>Tue, 01 Aug 2023 00:01:16 +0800</pubDate><description><![CDATA[shuffle的值为前后世代的加载数据是否一样，需不需要“洗牌”；drop_last，如果batch size不能整除的话，当值设置为True时就舍去最后一个batch，如果为False时就不舍去。最后一个step的图片不是8x8的了，因为我的drop_last设置为False了，保留了最后一个不被整除的batch，接下来再对它设置为True，并把shufle设置为False。可以看出，它只有155个step了，最后一个八列两行的batch省去了，并且前后两个世代的每个step加载的图片一样。]]></description><category></category></item><item><title><![CDATA[小土堆pytorch学习笔记（六、torchvision中的数据集使用）]]></title><link>https://blog.youkuaiyun.com/Holy_cow/article/details/132027469</link><guid>https://blog.youkuaiyun.com/Holy_cow/article/details/132027469</guid><author>Holy_cow</author><pubDate>Mon, 31 Jul 2023 20:19:10 +0800</pubDate><description><![CDATA[一、torchvision中的数据集使用
打开pytorch网页 -&gt; Docs -&gt; torchvision -&gt; Dataset

运行代码进行下载：
import torchvision
# 下载torchvision上的CIFAR10数据集，train等于True时下载训练集，否则下载验证集
train_set = torchvision.datasets.CIFAR10(root="./dataset", train=True, download=True)
test_set =]]></description><category></category></item></channel></rss>