weixin_35338624的博客

Generative Adversarial NetworkGAN的思想是，您有两个网络，一个是生成器G，另一个是鉴别器D，彼此竞争。 生成器使“伪”数据传递到鉴别器。 鉴别器还可以看到真实的训练数据，并预测接收到的数据是真实的还是伪造的。鉴别器鉴别器网络将是一个非常典型的线性分类器。 为了使该网络成为通用函数逼近器，我们至少需要一个隐藏层，并且这些隐藏层应具有一个关键属性：所有...

一、卷积操作：假设cnn中某一层： 输入特征图：H*H， 卷积核：k*k， 步长stride：s， padding：p那么经过这层卷积之后特征图大小：（H-k+2*p）/ s + 1二、Transposed convolution（逆卷积）逆卷积先根据输入H，k，s，p 得到相应的H'，k'，s'，p...

卷积自动编码：主要使用nn.Conv2d()和nn.ConvTranspose2d()有关卷积操作以及“逆卷积”操作参考：https://blog.youkuaiyun.com/weixin_35338624/article/details/98946018Conv_autoencoder：import torchfrom torch import nn,optimimport torch....

autoencoder：分为编码和解码两个阶段，编码阶段相当于提取特征，解码可以看成编码的"逆变换"，最后的输出维度与输入维度一致，损失函数选择最小均方误差。注意在autoencoder中没有使用标签信息。linear_autoencoder：import torchfrom torch import nn,optimimport torch.nn.functional as Ff...

卷积神经网络：自定义卷积核、查看卷积操作后的特征图import cv2import numpy as npimport matplotlib.pyplot as pltimport torchfrom torch import nnimport torch.nn.functional as F# 读数据并转换成灰度图img_path = "./data/tenyounge...

建立cnn模型import torchfrom torch import nn,optimimport torch.nn.functional as Ffrom torchvision import datasets,transformsfrom torch.utils.data.dataloader import DataLoaderfrom torch.utils.data.s...

迁移学习、数据集划分import torchfrom torch import nn,optimfrom torchvision import transforms,modelsfrom torch.utils.data.dataset import Datasetfrom torch.utils.data.dataloader import DataLoaderfrom torc...

前面加载数据都是直接调用的pytorch封装好的datasets.MNIST或则datasets.FashionMNIST等，学习阶段使用这样形式的数据没有什么影响，但是实际情况是我们要处理自己的数据。本节主要使用torch.utils.data.Dataset读取MNIST数据的csv文件from torchvision import transformsfrom torch.utils...

保存、加载模型import torchfrom torch import nn,optimimport torch.nn.functional as Fimport matplotlib.pyplot as pltfrom torchvision import datasets,transformstransform = transforms.Compose([transform...

前面两节都是在一个batch上进行的操作，本节整合前面的操作，并在完整的minst数据集上训练并测试模型import torchfrom torch import nnfrom torch import optimimport torch.nn.functional as Ffrom torchvision import datasets,transformstransform ...

本节主要在上一节基础上学习定义损失函数、查看梯度变化以及权值更新import torchfrom torch import nnfrom torch import optimimport torch.nn.functional as Ffrom torchvision import datasets,transformstransform = transforms.Compose...

本节主要学习transforms、pytorch框架下建立全连接网络、查看每一层参数以及前向传播import torchfrom torch import nnimport torch.nn.functional as Fimport matplotlib.pyplot as pltfrom torchvision import datasets,transformstrans...