自定义博客皮肤VIP专享

*博客头图：

点击选择上传的图片

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

点击选择上传的图片

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

点击选择上传的图片

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览取消提交

自定义博客皮肤

-+

上一步保存

bit452的专栏

赵登峰-人民大学

博客等级

码龄11年

22
原创

1509
点赞

2673
收藏

2352
粉丝

关注

私信

热门文章

分类专栏

最新评论

PyTorch 深度学习实践第10讲
gy497249: #视频中代码3 import torch input = [3, 4, 6, 5, 2, 4, 6, 8, 1, 6, 7, 8, 9, 7, 4, 6 ] input = torch.Tensor(input).view(1, 1, 4, 4) #reshape为4维张量，小批量*输入通道*宽度*高度 #池化层，取出范围内最大值，kernel_size为2同时步长也默认为2 maxpooling_layer = torch.nn.MaxPool2d(kernel_size = 2) output = maxpooling_layer(input) print(output)
PyTorch 深度学习实践第10讲
gy497249: #视频中代码2 import torch input = [3, 4, 6, 5, 7, 2, 4, 6, 8, 2, 1, 6, 7, 8, 4, 9, 7, 4, 6, 2, 3, 7, 5, 4, 1] input = torch.Tensor(input).view(1, 1, 5, 5) #reshape为4维张量，小批量*输入通道*宽度*高度 #padding填充外围为0，为了不弱化边缘特征；stride为卷积核上下左右移动的步长 conv_layer = torch.nn.Conv2d(1, 1, kernel_size = 3, padding = 1, stride = 1, bias = False) #输入通道，输出通道，填充，步长，偏置 kernel = torch.Tensor([1, 2, 3, 4, 5, 6, 7, 8, 9]).view(1 ,1 ,3 ,3) #reshape为4维张量，输出通道*输入通道*宽度*高度 conv_layer.weight.data = kernel.data output = conv_layer(input) print(output)
PyTorch 深度学习实践第10讲
gy497249: #视频中代码1 import torch in_channels, out_channels = 5, 10 #输入的通道数，输出的通道数 width, height = 100, 100 #宽，高 kernel_size = 3 #卷积核的大小3*3，一般为奇数、正方形，可以自己设置长方形形状 batch_size = 1 #小批量 #randn为正态分布随机采样,只是为了生成个随机例子 input = torch.randn(batch_size, in_channels, width, height) conv_layer = torch.nn.Conv2d(in_channels, out_channels, kernel_size = kernel_size) output = conv_layer(input) print(input.shape) print(output.shape) print(conv_layer.weight.shape) #输出结果 #torch.Size([1, 5, 100, 100]) 小批量*输入通道*高*宽 #torch.Size([1, 10, 98, 98]) 小批量*输出通道*高*宽 #torch.Size([10, 5, 3, 3]) 输出通道*输入通道*宽*高
PyTorch 深度学习实践第10讲
gy497249: 先用GPU跑了80s，最终正确率9899/10000，GPU和CPU使用率都是个位数；然后用CPU跑了230s，最终正确率98%，CPU使用率能在50%
PyTorch 深度学习实践第6讲
gy497249: 本章视频最后的画图 import numpy as np import matplotlib.pyplot as plt x = np.linspace(0, 10, 200) x_t = torch.Tensor(x).view((200, 1)) #reshape,200行1列 y_t = model(x_t) y = y_t.data.numpy() plt.plot(x, y) plt.plot([0, 10], [0.5, 0.5], c ='r') #color = red plt.xlabel('Hours') plt.ylabel('Probability of Pass') plt.grid() plt.show()

c

关注

关注数：文章数：2 文章阅读量：1191 文章收藏量：0

作者: 赵登峰-人民大学

实践，动手实践。

展开

专栏收录文章