AceBBang的博客

任务名称：学习网络层中的卷积层，池化层，全连接层和激活函数层 任务简介：学习网络模型中采用的神经网络层，包括卷积层，池化层，全连接层和激活函数层，学会如何区分二维卷积和三维卷积； 详细说明： 本节第一部分学习卷积神经网络中最重要的卷积层，了解卷积操作的过程与步骤，同时学会区分一维/二维/三维卷积，最后学习转置卷积（Transpose Convolution）的由来以及实现方法； 本节第二部分学习池化层，全连接层和激活函数层，在池化层中有正常的最大值池化，均值池化，还有图像分割任务中常用的反池化——MaxUn

文章目录直播课笔记相对路径的..和.数据读取格式不同怎么处理GPU显存占用的影响因素batchsize与训练时间的关系过拟合的解决方法预处理套路参考什么python中变量前_的含义 直播课笔记 相对路径的…和. …：返回上一级目录 .：本级目录 __file__：当前目录 pycharm中会按照当前运行的.py文件的目录去找相对路径 linux的ide中会按照当前 windows中用“/”分隔路径 linux中用“\”分隔路径 所以要用os.path.jion()来生成目录 数据读取格式不同怎么处理 图

任务名称：PyTorch数据读取机制Dataloader与Dataset；数据预处理transforms模块机制 任务简介：学习PyTorch数据读取机制中的两个重要模块Dataloader与Dataset；熟悉数据预处理transforms方法的运行机制 详细说明： 本节第一部分介绍pytorch的数据读取机制，通过一个人民币分类实验来学习pytorch是如何从硬盘中读取数据的，并且深入学习数据读取过程中涉及到的两个模块Dataloader与Dataset 第二部分介绍数据的预处理模块transforms

文章目录任务名称任务简介详细说明作业请用文字描述本周所学知识的重点，并且为每节课列出关键词，将这些本周的关键词以序号进行排序重点关键词 任务名称 本周学习任务简单总结 任务简介 温故而知新，简单回顾本周学到几个重要知识 详细说明 每一周的学习任务都比较重，第一次学过之后特别容易忘，所以在周日及时做一个要点回顾，会让学习效率大大的提升，不会的知识也会越来越少 本周所学的几乎不涉及机器学习，深度学习概念，都是pytorch的基础概念知识，包括数据载体——张量，前向传播搭建计算图的概念，利用计算图和自动求导系统反

文章目录任务名称任务简介详细说明作业1.逻辑回归模型为什么可以进行二分类？2.采用代码实现逻辑回归模型的训练，并尝试调整数据生成中的mean_value，将mean_value设置为更小的值，例如1，或者更大的值，例如5，会出现什么情况？再尝试仅调整bias，将bias调为更大或者负数，模型训练过程是怎么样的？ 任务名称 autograd与逻辑回归 任务简介 学习pytorch的自动求导系统——autograd；通过autograd训练逻辑回归模型 详细说明 本节对pytorch的自动求导系统中常用的两个方

dd

文章目录任务名称任务简介详细说明作业1. 安装anaconda,pycharm, CUDA+CuDNN（可选），虚拟环境，pytorch，并实现hello pytorch查看pytorch的版本安装Anaconda下载安装包安装检查安装结果添加镜像源创建环境安装PyCharm下载安装包激活汉化安装CUDA和CuDNN检查pytorch支持的cuda版本下载cuda安装包下载cudnn安装包安装检查安装结果安装PyTorch下载对应版本的安装包用命令行安装检查安装结果2. 张量与矩阵、向量、标量的关系