chenjiale5的博客

subplot多合一画图

chenjiale5 — Thu, 08 Aug 2019 11:40:16 +0800

import matplotlib.pyplot as plt plt.figure() plt.subplot(2, 2, 1) plt.plot([0, 1], [0, 1]) plt.subplot(2, 2, 2) plt.plot([4, 1], [0, 1]) plt.subplot(2, 2, 3) plt.plot([0, 2], [0, 1]) plt.subplot(...

matplotlib图片显示

chenjiale5 — Thu, 08 Aug 2019 10:56:36 +0800

import matplotlib.pyplot as plt import numpy as np 用array假装有一张9个像素点的图片 a = np.array([0.333333333, 0.366666666, 0.422222222, 0.366666666, 0.433333333, 0.522222222, 0.422222...

matplotlib画散点图，柱状图，等高线图

chenjiale5 — Wed, 07 Aug 2019 21:49:40 +0800

散点图 T是计算颜色，不用太在意 alpha是透明度 plt.xticks(()) plt.yticks(())是隐藏坐标轴 import matplotlib.pyplot as plt import numpy as np n = 1024 X = np.random.normal(0, 1, n) Y = np.random.normal(0, 1, n) T = np.arctan2(...

matplotlib基本操作

chenjiale5 — Wed, 07 Aug 2019 20:47:23 +0800

import matplotlib.pyplot as plt import numpy as np 写出两条线的方程，x是-3到3之间50个数的等差数列 x = np.linspace(-3, 3, 50) y1 = 2 * x + 1 y2 = x ** 2 定义一个figure下的所有操作都属于这个figure plt.figure() plt.plot(x, y1) 定义第二个fig...

读取并预处理自己数据集的一种方式

chenjiale5 — Wed, 07 Aug 2019 09:32:25 +0800

引入必要的包 from torchvision.datasets import ImageFolder import matplotlib.pyplot as plt from torchvision import transforms as tfs from torch.utils.data import DataLoader import numpy as np import torch 加...

简单GoogLeNet实现

chenjiale5 — Tue, 06 Aug 2019 10:45:32 +0800

import numpy as np import torch from torch import nn from torch.autograd import Variable def conv_relu(in_channel, out_channel, kernel, stride=1, padding=0): layer = nn.Sequential( nn.Con...

构建一个简单的VGG网络

chenjiale5 — Mon, 05 Aug 2019 21:31:04 +0800

import torch from torch.autograd import Variable from torch import nn def vgg_block(num_convs, input_channels, output_channels): net = [ nn.Conv2d(input_channels, output_channels, kernel_...

查看下载数据集中的图片

chenjiale5 — Mon, 05 Aug 2019 20:42:08 +0800

import matplotlib.pyplot as plt 下载数据集，并将数据集变成DataLoader类型 train_set = CIFAR10('./data', train=True, transform=data_tf,download=True) train_data = torch.utils.data.DataLoader(train_set, batch_size=64,...

train函数

chenjiale5 — Mon, 05 Aug 2019 16:58:33 +0800

每次训练都测试 def get_acc(output,label): total = output.shape[0] _,pred_label = output.max(1) return (pred_label == label).sum().data.item()/total def train(net,train_data,valid_data,num_epochs...

优化算法5:--Adadelta算法

chenjiale5 — Thu, 01 Aug 2019 21:18:59 +0800

Adadelta算法是Adagrad算法的延伸，与RMSProp算法一样，是为了解决Adagrad中学习率不断减小的问题，RMSProp是通过移动加权平均的方式，Adadelta也一样，并且Adadelta不需要学习率这个参数 RMSProp算法 Adadelta的分母和RMSProp的分母一致需要更新参数的变化量为分子表示的是每次更新梯度变化量的累加量最后的参数更新如下实现 opt...

优化算法3,4--Adagrad算法与RMSProp算法

chenjiale5 — Thu, 01 Aug 2019 20:09:51 +0800

思想：如果一个参数的梯度一直都非常大，就让它的学习率变小一点，防止震动，反之，则让其学习率变大，使其能更快更新做法：学习率由下列式子所得 +后的参数是为了防止分母等于0，一般取10的-10次方对每个参数，初始化一个变量s=0，每次参数更新时，将梯度平方求和累加到s上所以梯度越大，累加得s越大，学习率越小缺点：到后期，分母越来越大，学习率会变得较小，无法较好的收敛 from torch.u...

优化算法2--动量法

chenjiale5 — Thu, 01 Aug 2019 19:44:55 +0800

起始点a到b点的梯度下降记为n1 b点到c点的实际梯度由两方面组成 v (t) =γv(t-1) +α∇b +前面是n1的γ倍，通常取0.9（为什么<1？因为要减小早期的梯度影响） +后面α是学习率，∇b是b点理论上的梯度下降有很多点之后，v(t-1)指的是之前所有步骤累加的动量和 from torch.utils.data import DataLoader from torch imp...

优化算法1：随机梯度下降法

chenjiale5 — Thu, 01 Aug 2019 16:48:54 +0800

梯度下降公式很简单 import numpy as np import torch from torchvision.datasets import MNIST from torch.utils.data import DataLoader from torch import nn from torch.autograd import Variable import time import ma...