Tomorrow1126 - 博客园

2022年3月14日

摘要： https://docs.python.org/zh-cn/3/library/argparse.html#module-argparse 文档非常详细 import argparse parser = argparse.ArgumentParser() parser.add_argument("e 阅读全文

posted @ 2022-03-14 10:29 Tomorrow1126 阅读(48) 评论(0) 推荐(0) 编辑

torch.nn.ReflectionPad2d()的用法简介

摘要：函数用途：对输入图像以最外围像素为对称轴，做四周的轴对称镜像填充。填充顺序：左->右->上->下对于一个4维的Tensor，当只指定一个padding参数时，则表示对四周采用相同的填充行数。 https://blog.csdn.net/LionZYT/article/details/120181 阅读全文

posted @ 2022-03-14 10:15 Tomorrow1126 阅读(130) 评论(0) 推荐(0) 编辑

python assert断言

摘要： Python assert（断言）用于判断一个表达式，在表达式条件为 false 的时候触发异常。阅读全文

posted @ 2022-03-14 10:13 Tomorrow1126 阅读(76) 评论(0) 推荐(0) 编辑

2022年3月11日

alexnet网络结构及pytorch实现

摘要： AlexNet包含5个卷积层和3个全连接层（从下往上看，5个卷积层后全连接层） import torch.nn as nn class AlexNet(nn.Module): def __init__(self, num_classes=1000): super(AlexNet, self)._ 阅读全文

posted @ 2022-03-11 18:08 Tomorrow1126 阅读(168) 评论(0) 推荐(0) 编辑

RNN循环神经网络recurrent neural network和lstm、gru

摘要：一、lstm 这个链接讲lstm，非常详细！https://towardsdatascience.com/illustrated-guide-to-lstms-and-gru-s-a-step-by-step-explanation-44e9eb85bf21 Sigmoid 层输出 0 到 1 之间阅读全文

posted @ 2022-03-11 15:24 Tomorrow1126 阅读(64) 评论(0) 推荐(0) 编辑

2022年3月9日

model.eval()和model.train()

摘要： model.train()和model.eval()用法 1.1 model.train() model.train()的作用是启用 Batch Normalization 和 Dropout。如果模型中有BN层(Batch Normalization）和Dropout，需要在训练时添加model 阅读全文

posted @ 2022-03-09 17:21 Tomorrow1126 阅读(1362) 评论(0) 推荐(0) 编辑

resnet系列网络（BottelNeck、BasicBlock）

摘要：一、resnet18整体网络结构我们观察，实际可以将ResNet18分成6个部分： 1. Conv1：也就是第一层卷积，没有shortcut机制。 2. Conv2：第一个残差块，一共有2个。 3. Conv3：第二个残差块，一共有2个。 4. Conv4：第三个残差块，一共有2个。 5. Con 阅读全文

posted @ 2022-03-09 17:00 Tomorrow1126 阅读(2016) 评论(0) 推荐(0) 编辑

torchvision.transforms用法

摘要：为了方便进行数据的操作，pytorch团队提供了一个torchvision.transforms包，我们可以用transforms进行以下操作： PIL.Image/numpy.ndarray与Tensor的相互转化；归一化；对PIL.Image进行裁剪、缩放等操作。通常，在使用torchvi 阅读全文

posted @ 2022-03-09 15:48 Tomorrow1126 阅读(142) 评论(0) 推荐(0) 编辑

LeNet:Gradient-Based Learning Applied to Document Recognition

摘要： 1.论文：Gradient-Based Learning Applied to Document Recognition 2.网络结构： LeNet包括7个layers（不包括Input），Fig 1中的C、S和F分别指卷积层、下采样层（池化层）和全连接层，其后所跟随的数字1-6指所在层的索引位置。阅读全文

posted @ 2022-03-09 15:28 Tomorrow1126 阅读(299) 评论(0) 推荐(0) 编辑

下采样上采样 nn.MaxPool2d() nn.AvgPool2d()池化层

摘要： 1.下采样是缩小图像，英文是subsampled或者downsampled；上采样是放大图像，英文是upsampling 2.池化层是当前卷积神经网络中常用组件之一，它最早见于LeNet一文，称之为Subsample。自AlexNet之后采用Pooling命名。池化层是模仿人的视觉系统对数据进行降维阅读全文

posted @ 2022-03-09 15:23 Tomorrow1126 阅读(393) 评论(0) 推荐(0) 编辑

Tomorrow

公告