qq_37320084的博客

本次的主要任务是利用pytorch实现对GAN网络的搭建，并实现对手写数字的生成。GAN网络主要包含两部分网络，一部分是生成器，一部分是判别器。本次采用的数据库还是MNIST数据集，这里对数据的获取不在赘述。1、生成器生成器的主要功能是生成我们所需要的样本，这里是28*28的图片。首先生成长度为100的高斯噪声，并且将噪声通过线性模型升维到784维。激活函数采用Relu。# 定义判别器 #####Generator######使用多层网络来作为判别器# 输入一个100维的0～1之间的高斯分

上文我们利用pytorch构建了BP神经网络，LeNet，这次我们利用LSTM网络实现对MNIST数据集的分类，具体的数据获取方法本文不详细介绍，这里只要讲解搭建LSTM网络的方法以及参数设置。这里我们只用一层LSTM网络+全连接层实现对模型的构建。# 输入为图片 (batch, seq_len, feature) 照片的每一行看作一个特征，一个特征的长度为32INPUT_SIZE=32HIDDEN_SIZE=10LAYERS=2DROP_RATE=0.2TIME_STEP = 32

上文我们利用pytorch构建了BP神经网络，这次我们来构建CNN的经典网络LeNet，还是利用MNIST数据集，具体的数据获取方法本文不详细介绍，只介绍如何搭建模型并训练数据集。LeNet神经网络由深度学习三巨头之一的Yan LeCun提出，他同时也是卷积神经网络 (CNN，Convolutional Neural Networks)之父。LeNet最早是用在手写数字的识别上，效果较好。主要包含了卷积层、池化层、全连接层等，这里不讲解概念，只介绍如何搭建模型。后续可能会针对这些内容进行介绍。1、网络结

小伙伴好，最近想要认真学习一波pytorch，打算通过pytorch去构建一系列的网络模型，包括CNN、LSTM、Transform等，后续都会进行搭建。一个不断学习的小菜鸡，也希望有问题小伙伴能指出。MINST数据集是手写数字的识别，图片尺寸为(28,28,1)，标签为数字的类别。1、加载数据本文这次主要是对MNIST数据集进行测试。利用pytorch加载数据的方法如下：# 利用datasets中可加载不同的数据集，本次选用MNIST数据集from torchvision i.