weixin_43467572的博客

前言面向初学者的深度学习教程。平台matlab 2021aMNIST数据集代码数据集%% Instructions%% Train: dataset for training a neural network% Test: dataset for test a trained neural network% X: input / for Classification: image% Y: output / for Classification: label% angle: an i

前言记录训练ViT遇到的问题。可学习参数from torchsummary import summaryvit_model = ViT( image_size = 256, patch_size = 32, num_classes = 1000, dim = 1024, depth = 6, heads = 16, mlp_dim = 2048, dropout = 0.1, emb_dropout = 0.1)devi

前言此文章会涉及常用的画图函数和技巧。2维图片图像分割成不同的patches27.08.2021最近在尝试ViT模型，在可视化输入数据时需要把图片分割成若干部分（patches）。示例图片如下，代码如下:%% load imageuiopen(' earth.jpeg',1)earth_gray = rgb2gray(earth); % 转换成灰度图片figure;imagesc(earth_gray)whos earth_gray%% cutout 剪切earth_gray_c

前言在自己的工作中遇到了要使用Pytorch训练神经网络但仿真程序却是在Matlab上的情况，为了得到一个快速的进展，就有了在Matlab调用Pytorch神经网络的想法。总的来说，还是比较好实现，但是作为新手难免会遇到些问题，所以就把自己的经验写在这篇帖子里，以便日后复习，也希望能给其他人一些思路。由于最近比较忙，可能更新的速度会比较慢，但是会一直更新完。平台和软件Matlab: 2021aPython: 3.8.3我是直接使用Anaconda下载的Python.要查看不同Matlab版本支持

本文介绍了如何在Matlab上实现任意神经网络的迁移训练。背景迁移训练在深度学习中是一种非常高效的训练策略。它允许神经网络在已经训练的基础上再次被训练，这样极大的提高了训练效率，缩短了训练时间。这一过程在PyTorch, TensorFlow等平台上可以非常简单的实现，但是在Matlab却是近两年才被允许，并且直到现在（2021.07）都没有中文的官网文档。所以，我想在这里分享自己的经验，供大家参考并提出意见。文中的训练部分代码参考了官方文档。方法平台Matlab 2020b数据集MNIST数

基于卷积神经网络的数字重建 - Unet Matlab代码代码两年前写论文时，发过一篇在MATLAB上用神经网络实现数字重建的帖子。当时是想着方便日后自己复习，没想到收到了不少小伙伴的私信，希望能把Unet的代码分享一下。其实，在发帖时自己也忽略了这一点，所以现在专门写一篇帖子把代码分享给大家。*代码好像是从MATLAB官网论坛上下载，非原创代码话不多说，先上代码。function lgraph = createUnet_regression()% EDIT: modify these pa