- 博客(2)
- 收藏
- 关注
RSS订阅原创 四：卷积神经网络
在神经网络中，全连接层（fc1, fc2, fc3 等）通常需要输入一个二维张量，形状为 (batch_size, features)。是 PyTorch 中用于调整张量形状的代码，它的作用是将张量 x 展平（flatten）成一个二维张量。:Dropout 是一种简单但非常有效的正则化方法，被广泛应用于深度学习模型中，尤其是在全连接层中。它允许网络学习残差（即 F(x)=y−x），而不是直接学习复杂的映射，这使得深层网络的训练更加稳定。1x1 卷积可以在不改变空间维度的情况下，融合不同通道的信息。
2025-03-14 23:45:48
858
原创 李哥深度学习 第二节下 简单线性表示
这段代码实现了一个简单的线性回归模型，包括数据生成、模型定义、训练和结果可视化。通过随机梯度下降法优化模型参数，最终输出训练得到的参数值，并绘制拟合结果。x 是从均值为 0、标准差为 1 的正态分布中生成的随机数据，形状为 (data_num, len(w))。使用 random.shuffle 打乱索引，确保每次迭代时数据的顺序是随机的。权重，从均值为 0、标准差为 0.01 的正态分布中随机初始化。使用 yield 返回当前批次的数据和标签，支持迭代。功能：输出真实参数值和训练得到的参数值。
2025-03-10 23:16:55
724
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人