reept的博客

在torchvision.models.vgg的源代码中，vgg网络中包含了3个顺序执行的子模块：vgg.features，vgg.avgpool，vgg.classifier。基于某一种网络结构，首先在一个初始任务场景、初始数据集上训练好一个模型，然后再应用到目标任务上，针对目标任务的特征、数据集，对训练好的模型进行精调（微调）（fine-tune），最终满足目标任务的需求。卷积层： nn.Conv1d(一维数据上的卷积)、nn.Conv2d(二维数据上的卷积)、nn.Conv3d(三维数据上的卷积)。

本文介绍了图像处理和深度学习相关的关键技术，主要包括：1）图像数据读取方法，详细说明了使用PIL、OpenCV和torchvision.io库读取和处理图像的步骤，包括图像格式转换、大小调整和模式转换等操作；2）神经网络的构建方法，阐述了如何通过继承torch.nn.Module类自定义网络模型，包括参数初始化、前向传播定义以及参数管理；3）模型训练流程，展示了如何使用优化器进行参数更新和损失计算；4）还提供了模型状态管理、数据转换和图像显示等实用技巧。这些内容为CV和深度学习实践提供了全面的技术参考。

开发者可能需要使用特定的工具或命令来查看和分析图的结构，在静态图中，不能像动态图那样逐步执行和检查中间结果，调试起来相对较为复杂，）Pytorch支持自动求导，用户定义好操作的前向计算和反向梯度计算规则（可自定义），Pytorch能够自动调用计算图算子，完成整个网络的自动求导。对于一个计算操作来说，如果所有输入中有一个输入需要求导，则输出就需要求导，如果所有输入都不需要求导，则输出也不需要求导。x = torch.zeros(2,1,2,1,2) # 维度序号从左至右从0算起，依次为0，1，2，3，4。

对于一般的多项式过滤器，虽然有各种各样的优点，仍具有局限性，最主要的是各个项彼此不正交，所以各项对应的系数相互相关，（类似多变量回归上的多重共线性）。为了解决这个问题，具有彼此正交的项的线性多项式：契比雪夫多项式被提出来。