Cindysxt的博客

import torch import torch.nn as nn import torch.nn.functional as F class Net(nn.Module): def __init__(self): super().__init__() #定义第一个卷积层，输入维度为1，输出维度为6，卷积核大小为3*3 self.conv1=nn.Conv2d(1,6,3) #定义第二个 self.conv2=nn.

import torch import torch.nn.functional as F # 神经网络的类 class Net(torch.nn.Module): def __init__(self): super().__init__() # 两个卷积层 self.conv1=torch.nn.Conv2d(1,10,kernel_size=5) self.conv2=torch.nn.Conv2d(10,20,kernel_siz.

用Pytorch进行图像分类 （对一张猫和一张鱼的图片进行区分） 传统挑战 1、首先需要数据 要想有效地使用深度学习技术，需要较大量的数据来训练神经网络，让神经网络学习并记忆他们的特征。所以我们需要很多鱼和猫的图片 **监督学习和无监督学习的区别 有监督学习必须要有训练集和测试样本。在训练集中找规律，而对测试样本使用这种规律。非监督学习没有训练集，只有一组数据，在该数据集中寻找规律 有监督学习的方法就是识别事物，识别的结果表现在给识别数据加上了标签。因此训练样本集必须由带标签的样本组成。而非监督学习方法只