Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
PyTorch 08 —预训练模型(迁移学习)
一 什么是预训练网络 预训练网络是一个保存好的之前已在大型数据集 大规模图像分类任务 上训练好的卷积神经网络 如果这个原始数据集足够大且足够通用 那么预训练网络学到的特征的空间层次结构可以作为有效的提取视觉世界特征的模型 即使新问题和新任务
PyTorch笔记
Pytorch
深度学习
VGG16
resnet
4-1 张量的结构操作
张量结构操作主要包括 张量创建 索引切片 维度变换 合并分割 一 创建张量 张量创建的许多方法和numpy中创建array的方法很像 以下记录一些比较常用的操作 1 直接采用torch tensor创建 指定数据类型为torch float
PyTorch笔记
基础20天吃掉一整个Pytorch呀
python
Pytorch
人工智能
【pytorch】迁移学习
在很多场合中 没有必要从头开始训练整个卷积网络 随机初始化参数 因为没有足够丰富的数据集 而且训练也是非常耗时 耗资源的过程 通常 采用pretrain a ConvNet的方式 然后用ConvNet作为初始化或特征提取器 有两种迁移学习
Deep Learning
PyTorch笔记
深度学习
Pytorch
迁移学习
4-2 张量的数据运算
张量数学运算主要有 标量运算 向量运算 矩阵运算 以及使用非常强大而灵活的爱因斯坦求和函数torch einsum 重难点 进行任意维的张量运算 此外还会介绍张量运算的广播机制 一 标量运算 操作的张量至少是0维 张量的数学运算符可以分为标
PyTorch笔记
基础20天吃掉一整个Pytorch呀
python
Pytorch
人工智能
基于MNIST实现GAN(pytorch)
基于MNIST实现生成对抗网络 pytorch逐行实现 本文是pytorch逐行实现GAN网络 作为一个基础GAN框架来学习 以后编写复杂的GAN的衍生网络框架都是同样的思想 import numpy as np import torch
PyTorch笔记
深度学习
生成对抗网络
Pytorch
GaN
PyTorch 06—基础总结
梯度下降算法 多层感知器 多层感知器的优化算法是梯度下降算法 梯度下降法是一种致力于找到函数极值点的算法 前面介绍过 所谓 学习 便是改进模型参数 以便通过大量训练步骤将损失最小化 有了这个概念 将梯度下降法应用于寻找损失函数的极值点便构成
PyTorch笔记
深度学习
人工智能