PyTorch—学习笔记
关注
分享
扫一扫
文章平均质量分 85
404detective
没有学不会，只有学得晚。有问题欢迎私信。
闻道有先后，术业有专攻。
展开
-
《Pytorch深度学习和图神经网络(卷 2)》学习笔记——第二章
cv2.error: OpenCV(4.8.0) :-1: error: (-5:Bad argument) in function 'putText' Overload resolution failed: Can't parse 'org'. Sequence item with index 0 has a wrong type in function 'rectangle' Overload resolution failed: Can't parse 'pt1'. Sequence item wit原创 2023-07-24 16:18:28 · 358 阅读 · 0 评论 -
《Pytorch深度学习和图神经网络(卷 2)》学习笔记——第一章
PyTorch深度学习和图神经网络（卷2）——开发应用>一书配套代码：百度网盘链接：https://pan.baidu.com/s/1dnq5IbFjjdekAR54HLb9Pg提取码：k7vi压缩包密码：dszn。原创 2023-07-18 17:55:27 · 1168 阅读 · 0 评论 -
《Pytorch深度学习和图神经网络(卷 1)》学习笔记——第八章
本书之后的内容与当前需求不符合不再学习信息熵与概率的计算关系…联合熵、条件熵、交叉熵、相对熵（KL散度）、JS散度、互信息。原创 2023-07-10 15:46:16 · 492 阅读 · 0 评论 -
《Pytorch深度学习和图神经网络(卷 1)》学习笔记——第七章
这章内容是真多啊！（学完之后又回到开头感叹）将图像从基础像素到局部信息再到整体信息即将图片由低级特征到高级特征进行逐级计算，逐级累计。计算机中对图片的处理可以理解为离散微积分的过程。利用卷积操作对图片的局部信息处理，生成低级特征对低级特征进行多次卷积操作，生成中级特征、高级特征将多个局部信息的高级特征组合到一起，生成最终的解释结果这就是卷积神经网络比全连接权重更少，对数据进行基于区域小规模运算，改善了难收敛，提高了泛化能力。可以用全连接网络为参原创 2023-07-03 22:11:13 · 437 阅读 · 0 评论 -
《Pytorch深度学习和图神经网络(卷 1)》学习笔记——第六章
criterion = torch.nn.CrossEntropyLoss() #实例化损失函数类。原创 2023-06-28 10:10:52 · 227 阅读 · 0 评论 -
《Pytorch深度学习和图神经网络(卷 1)》学习笔记——第五章
输入为12个特征，[‘age’, ‘sibsp’, ‘parch’, ‘fare’, ‘female’, ‘male’, ‘embark_C’, ‘embark_Q’, ‘embark_S’, ‘class_1’, ‘class_2’, ‘class_3’] 再到隐藏层12和8和神经元，最后输出2个预测结果。原创 2023-06-27 21:37:35 · 302 阅读 · 0 评论 -
《Pytorch深度学习和图神经网络(卷 1)》学习笔记——第四章
不太明白grad_fn(x)求的什么玩意，x**2与x*x求y.grad_fn(x)结果都不一致。torch.Tensor可以指定张量形状或内容，不初始化值，除非用torch.rand()用张量.type(torch.类型Tensor)转换类型，或张量.类型()。torch.cat()实现数据连接，dim=0以行为单位连接。张量.shape 张量.size() 张量形状。torch.gather()对张量数据进行检索。torch.is_tensor()张量判断。torch.numel()张量元素个数。原创 2023-06-26 12:26:02 · 275 阅读 · 0 评论 -
《Pytorch深度学习和图神经网络(卷 1)》学习笔记——第三章
PyTorch深度学习和图神经网络（卷 1）——基础知识>一书配套代码，该章为实例，不做具体分析，只叙述大致流程。先利用sklearn生成如下数据集。我将随机种子设置为404然后开始搭建网络，该网络模型共三层，输入、隐藏、输出。第一层为两个输入，即为点的横纵坐标，第二层为任意设置的神经元个数用来拟合，第三层为2个输出，即为两种类别。原创 2023-06-25 09:25:41 · 884 阅读 · 0 评论