qq_44523137的博客

关于Convolutional Neural Networks的真正理解一般Convolutional Neural Networks包含卷积层，BN层，激活层以及池化层。池化层较为简单，不再赘述。借此机会详细的介绍其他三层是如何实现的，以及如何自定义卷积层参数。Convolution layer网上写卷积的博客不计其数，大都是长篇大论，其实卷积十分简单，见下图。上图所示输入为 【5，5 ，1】 的图像，卷积核大小为 3 * 3，步长为1 【一步一步走】，padding=0【如果为1会在图像外面补

关于transforms.Normalize的真正理解问题transform.ToTensor()代码示例transforms.Normalize()求解mean和std结论我们都知道，当图像数据输入时，需要对图像数据进行预处理，常用的预处理方法，本文不再赘述，本文重在讲讲transform.ToTensor和transforms.Normalize。问题transform.ToTensor(),transform.Normalize((0.5,0.5,0.5),(0.5,0.5,0.5))究竟

关于nn.Cross Entropy Loss的真正理解对于多分类损失函数Cross Entropy Loss，就不过多的解释，网上的博客不计其数。在这里，讲讲对于CE Loss的一些真正的理解。首先大部分博客给出的公式如下：其中p为真是标签值，q为预测值。在低维复现此公式，结果如下。在此强调一点，pytorch中CE Loss并不会将输入的target映射为one-hot编码格式，而是直接取下标进行计算。import torchimport torch.nn as nnimport mat