- 博客(11)
- 收藏
- 关注
RSS订阅原创 DataWhale 二月组队学习-深度学习教程-Task04
（梯度为零但某些方向存在更低值的点）。在非凸优化中，梯度下降可能收敛到。（梯度为零且周围更低的点）或。
2025-02-23 22:53:17
599
原创 DataWhale 二月组队学习-深入浅出pytorch-Task06
通过继承PyTorchVideo是PyTorch生态中专注于视频理解视频数据集：支持Kinetics、Something-Something等主流数据集。预训练模型：包含SlowFast、X3D、CSN等前沿视频模型。数据处理工具：支持视频解码、时空数据增强。模块化设计：灵活组合模型组件（如backbone、head）。clip_sampler=RandomClipSampler(clip_duration=2), # 随机采样2秒片段torchtext是PyTorch中专门用于文本数据处理。
2025-02-23 22:35:18
940
原创 DataWhale 二月组队学习-深入浅出pytorch-Task05
特点：快速生成网络结构的文本描述安装与使用# 安装!# 使用示例summary(model, input_size=(3, 224, 224)) # 输入尺寸输出示例...TensorBoard是TensorFlow开发的交互式可视化工具，PyTorch通过训练指标监控：损失、准确率等标量数据曲线模型结构可视化：计算图与网络层次结构特征图/卷积核可视化：激活与权重的空间分布梯度分布分析：参数更新动态嵌入向量投影：高维数据的低维可视化实验跟踪：记录超参数、训练指标、系统资源可视化分析。
2025-02-21 23:26:32
904
原创 DataWhale 二月组队学习-深入浅出pytorch-Task04
若损失函数无需可学习参数，可直接定义为函数。例如实现平滑L1损失（Smooth L1 Loss）说明：当预测与目标的差值小于beta时使用平方损失，否则使用线性损失，结合了MSE和MAE的优点。# 实现warmup策略：前10个epoch线性增长学习率imgaug支持60+种增强操作（几何变换、颜色空间变换、模糊等）支持同时处理图像、关键点、边界框、分割图灵活的随机组合与概率控制与NumPy/PyTorch/TensorFlow完美兼容。
2025-02-19 20:17:14
884
原创 DataWhale 二月组队学习-深度学习教程-Task03
训练数据划分策略：k折交叉验证（k-fold cross validation），如下图所示，将训练数据随机分成k等份，每次取其中的（k-1）份作为训练集，剩下一份作为验证集，重复k次，得到k组结果，将k组结果平均起来，得到模型的最终效果。当有多个模型时，选择结果最好的模型用在全部训练集上，再到测试集上。将训练数据分成两部分，训练集（training set）和验证集（validation set），用training set中的数据训练模型，用validation set中的数据挑选模型。
2025-02-19 19:27:41
1026
原创 DataWhale 二月组队学习-深入浅出pytorch-Task03
Sequential顺序模型适用于简单层堆叠，通过直接添加层，代码简洁但灵活性低。Module子类化继承nn.Module类，在__init__中定义层，forward中实现前向逻辑，灵活性高，适合复杂模型。ModuleList与ParameterList：管理子模块列表，支持迭代和索引（如动态添加层）。：管理参数列表，适用于需要动态调整参数的场景。模型定义：灵活使用nn.Module和模块化思想提升开发效率1114。模型修改：通过替换层、扩展子类或冻结参数适应不同任务135。模型保存。
2025-02-16 20:12:18
850
原创 DataWhale 二月组队学习-深入浅出pytorch-Task02
_init__: 用于向类中传入外部参数，同时定义样本集: 用于逐个读取样本集合中的元素，可以进行一定的变换，并将返回训练/验证所需的数据__len__: 用于返回数据集的样本数作用：衡量模型预测结果与真实值的差异，指导模型参数优化。核心思想：通过最小化损失函数，使模型预测接近真实数据。实现步骤继承类。在forward方法中定义计算逻辑。示例：加权L1+L2损失self.alpha = alpha # 控制L1和L2的权重SGD（随机梯度下降）基础优化器，支持动量。
2025-02-14 22:52:58
950
原创 DataWhale 二月组队学习-深入浅出pytorch-Task01
就我目前的理解来看二维是矩阵，三维以及三维以上是张量。3维加入时间维度，4维表示图片，5维表示视频对于图片为什么不是三维而是四维，其实图片可以用三维表示，也就是宽、高、通道。其中宽和高指的是水平和竖直方向的像素数；通道指的是特征维度，比如RGB图像通道数为3，灰度图像通道数为1。而在训练模型是会有分批处理的情况的，所以需要使用四维表示，也就是在宽高通道的基础上加上了同时处理的样本图像的大小。
2025-02-11 22:57:19
1691
原创 DataWhale 2月组队学习 Task01
无论是机器学习还是深度学习，所要做的工作无非寻找一个函数，使我们的输入经过这个函数之后得到我们想要的输出，而根据输出的类别不同，又可以将机器学习或深度学习任务分为不同的类别。
2025-02-11 10:03:48
1958
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