2022 年 12月随笔档案 - 做梦当财神

torch.nn.MaxPool2d()

摘要：```python torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False) ```

2 D

$2D$ 最大池化。 **参数：** - `kernel_ 阅读全文

posted @ 2022-12-29 12:23 做梦当财神阅读(419) 评论(0) 推荐(1) 编辑

torch.cat() 与 torch.stack() 的区别

摘要：1. torch.cat() torch.cat(tensors, dim=0) 在给定维度中拼接张量序列。参数： tensors：张量序列。 dim：拼接张量序列的维度。 import torch a = torch.rand(2, 3) b = torch.rand(2, 3) c = tor 阅读全文

posted @ 2022-12-28 17:56 做梦当财神阅读(379) 评论(0) 推荐(0) 编辑

多输入通道和多输出通道

摘要：真实数据的维度通常很高。例如，彩色图像在高、宽

2

$2$ 个维度外还有

R G B

$RGB$ （红、绿、蓝）

3

$3$ 个颜色通道。我们将大小为

3

$3$ 称为通道数（

c h a n n e l

$channel$ ）。 1. 多输入通道卷积核的通道数要和输入通道数一样才能进行互相关运算。计算过程：先在每个通道上，做互相关运算；再按通道相加得到阅读全文

posted @ 2022-12-28 12:52 做梦当财神阅读(277) 评论(0) 推荐(0) 编辑

填充和步幅

摘要：目录1. 填充2. 步幅3. 小结假设输入形状是

n_{h} \times n_{w}

$n_h \times n_w$ ，卷积核窗口形状是

k_{h} \times k_{w}

$k_h \times k_w$ ，则输出形状是

(n_{h} - k_{h} + 1) \times (n_{w} - k_{w} + 1)

$(n_h - k_h + 1) \times (n_w - k_w + 1)$ 这里介绍卷积层的两个超参数填充和步幅，它们可以改变输出阅读全文

posted @ 2022-12-28 12:51 做梦当财神阅读(117) 评论(0) 推荐(0) 编辑

np.percentile()

摘要：描述：百分位数表示小于这个值的观察值的百分比。 numpy.percentile(a, q, axis) 参数： a：输入数组。 q：计算的百分位数，在

0 - 100

$0-100$ 之间。 axis：沿着它计算百分位数的轴。 interpolation：

s t r

$str$ ，用于估计百分位数的方法。默认 $linear 阅读全文

posted @ 2022-12-08 14:24 做梦当财神阅读(898) 评论(0) 推荐(0) 编辑

做梦当财神

12 2022 档案

公告

我的标签

积分与排名

随笔档案

阅读排行榜

推荐排行榜