随笔分类 - Python与深度学习（Pytorch）
摘要：文章来自微信公众号【机器学习炼丹术】。我是炼丹兄，有什么问题都可以来找我交流，近期建立了微信交流群，也在朋友圈抽奖赠书十多本了。我的微信是cyx645016617，欢迎各位朋友。 参考目录： @ 上一节课讲解了MobileNet的一个DSC深度可分离卷积的概念，希望大家可以在实际的任务中使用这种方法
阅读全文
摘要：文章来自微信公众号【机器学习炼丹术】。我是炼丹兄，欢迎加我微信好友交流学习：cyx645016617。 @ 本来计划是想在今天讲EfficientNet PyTorch的，但是发现EfficientNet是依赖于SENet和MobileNet两个网络结构，所以本着本系列是给“小白”初学者学习的，所以
阅读全文
摘要：参考目录： 这一课主要是讲解PyTorch中的一些运算，加减乘除这些，当然还有矩阵的乘法这些。这一课内容不多，作为一个知识储备。在后续的内容中，有用PyTorch来获取EfficientNet预训练模型以及一个猫狗给分类的实战任务教学。 加减乘除就不多说了，+-*/ 1 矩阵与标量 这个是矩阵（张量
阅读全文
摘要：文章来自微信公众号【机器学习炼丹术】。 上一节课，讲解了MNIST图像分类的一个小实战，现在我们继续深入学习一下pytorch的一些有的没的的小知识来作为只是储备。 参考目录： @ 1 pytorch数据结构 1.1 默认整数与浮点数 【pytorch默认的整数是int64】 pytorch的默认整
阅读全文
摘要：文章来自微信公众号【机器学习炼丹术】。有什么问题都可以咨询作者WX：cyx645016617。想交个朋友占一个好友位也是可以的~好友位快满了不过。 参考目录： 在这个文章中，主要是来做一下MNIST手写数字集的分类任务。这是一个基础的、经典的分类任务。建议大家一定要跟着代码做一做，源码已经上传到公众
阅读全文
摘要：文章来自：微信公众号【机器学习炼丹术】。欢迎关注支持原创 也欢迎添加作者微信：cyx645016617. 参考目录： 老样子，先看官方对torchvision.transforms的介绍： 这个Transforms是常见的图像的转换（包含图像增强等）， 然后不同的transforms可以通过Comp
阅读全文
摘要：文章转载自微信公众号：机器学习炼丹术。欢迎大家关注，这是我的学习分享公众号，100+原创干货。 文章目录： 本文是对一些函数的学习。函数主要包括下面四个方便： 模型构建的函数：add_module,add_module,add_module 访问子模块：add_module,add_module,a
阅读全文
摘要：文章目录： 1 基本概述 CLAHE是一个比较有意思的图像增强的方法，主要用在医学图像上面。之前的比赛中，用到了这个，但是对其算法原理不甚了解。在这里做一个复盘。 CLAHE起到的作用简单来说就是增强图像的对比度的同时可以抑制噪声 CLAHE的英文是Contrast Limited Adaptive
阅读全文
摘要：文章来自：微信公众号【机器学习炼丹术】。一个ai专业研究生的个人学习分享公众号 文章目录： torchvision 官网上的介绍（FQ）：The torchvision package consists of popular datasets, model architectures, and co
阅读全文
摘要：文章目录： 1 模型三要素 三要素其实很简单 必须要继承nn.Module这个类，要让PyTorch知道这个类是一个Module 在__init__(self)中设置好需要的组件，比如conv，pooling，Linear，BatchNorm等等 最后在forward(self,x)中用定义好的组件
阅读全文
摘要：文章目录： 1 Dataset基类 PyTorch 读取其他的数据，主要是通过 Dataset 类，所以先简单了解一下 Dataset 类。在看很多PyTorch的代码的时候，也会经常看到dataset这个东西的存在。Dataset类作为所有的 datasets 的基类存在，所有的 datasets
阅读全文
摘要：文章目录： 1 任务 首先说下我们要搭建的网络要完成的学习任务： 让我们的神经网络学会逻辑异或运算，异或运算也就是俗称的“相同取0，不同取1” 。再把我们的需求说的简单一点，也就是我们需要搭建这样一个神经网络，让我们在输入（1,1）时输出0，输入（1,0）时输出1（相同取0，不同取1），以此类推。
阅读全文
摘要：文章目录： 经验误差与过拟合 关键词：错误率（error rate），精度（accuracy）。 错误率好理解，就是m个样本中，a个样本分类错误，则错误率E = a/m 。 精度 就是 1-E。 其实很简单，但是为什么我还要提一提呢，因为机器学习里还有很多相关名词，例如：准确率，召回率，精确度等等，
阅读全文
摘要：文章来自公众号【机器学习炼丹术】，回复“炼丹”即可获得海量学习资料哦！ 本章节缕一缕PyTorch的动态图机制与Tensorflow的静态图机制（最新版的TF也支持动态图了似乎）。 1 动态图的初步推导 计算图是用来描述运算的有向无环图 计算图有两个主要元素：结点（Node）和边（Edge）； 结点
阅读全文
摘要：文章转自【机器学习炼丹术】 线性回归解决的是回归问题，逻辑回归相当于是线性回归的基础上，来解决分类问题。 1 公式 线性回归(Linear Regression)是什么相比不用多说了。格式是这个样子的： fw,b(x)=∑iwixi+b 而逻辑回归（Logistic R
阅读全文
摘要：文章来自公众号【机器学习炼丹术】 1 focal loss的概述 焦点损失函数 Focal Loss（2017年何凯明大佬的论文）被提出用于密集物体检测任务。 当然，在目标检测中，可能待检测物体有1000个类别，然而你想要识别出来的物体，只是其中的某一个类别，这样其实就是一个样本非常不均衡的一个分类
阅读全文
摘要：文章来自公众号【机器学习炼丹术】 1 stochastic weight averaging（swa） 随机权值平均 这是一种全新的优化器，目前常见的有SGB，ADAM， 【概述】：这是一种通过梯度下降改善深度学习泛化能力的方法，而且不会要求额外的计算量，可以用到Pytorch的优化器中。 随机权重
阅读全文
摘要：卷积网络的平移不变性可能会经常在论文中看到，那这个到底是什么呢？看了一些论文的原文和网络上十几篇讲这个的博文，大概捋清了思路然后写下这个。不得不说，有的博文讲的有那么点问题。 1 什么是不变性 【不变性】就是目标发生了变换，但是你依然可以识别出来。在图像任务中，我们希望图像中的目标即使被平移、被旋转
阅读全文
摘要：什么是TCN TCN全称Temporal Convolutional Network，时序卷积网络，是在2018年提出的一个卷积模型，但是可以用来处理时间序列。 卷积如何处理时间序列 时间序列预测，最容易想到的就是那个马尔可夫模型： P(yk|xk,xk−1,...,x1) 就是
阅读全文
摘要：卡尔曼滤波器 英文kalman filter 这里介绍简单的，只有一个状态的滤波器 卡尔曼滤波器经常用在控制系统中、机器人系统中，但是这里主要讲解如何用在AI的大数据分析预测中 为什么要用kalman filter处理时间序列 假设我们有100个时间点的数据，这个数据就是分别在100个点观测出来的结
阅读全文
