fleefar的博客

任务。

可以应用到以下等领域。

会传入以这个序列的信息输入几个vector就会输出几个vector（输出的vector是考虑一整个序列才得到的 ）再把输出的向量 输入给这样一来得到的结果就不是只考虑了一个小范围而是全局fc。

网络的输入是一个3通道的128x128图像，输出是一个11维的向量。在这两个步骤之间，可以根据需要添加其他的变换，例如数据增强技术，如随机裁剪、翻转等，以增加训练数据的多样性。test_tfm是一个变换序列，它首先将图像大小调整为128x128像素，然后将图像从PIL格式或NumPy数组转换为PyTorch张量。完成的train_tfm代码块，它包含了多种图像增强变换，以确保给定相同图像多次时能产生5种以上不同的结果。定义一个自定义的Dataset类，用于加载和处理数据集中的图像。

输入：一样尺寸的图像。

训练数据：包括xi和y​itraining:测试数据：只有xNM。

用（DNN）架构解决一个regression的问题理解基础的 DNN 训练方法：调参数、选择feature 、regularization（正则化）熟悉 PyTorch。

深度学习-找的函数就是类神经网络。