06 2019 档案

摘要:训练分类器 目前为止,你已经知道如何定义神经网络、计算损失和更新网络的权重。现在你可能在想,那数据呢? What about data? 通常,当你需要处理图像、文本、音频或者视频数据时,你可以使用标准Python包来将数据导入到numpy 数组中。然后再将数组转换成 。 对于图像,可用的包有:Pi 阅读全文
posted @ 2019-06-28 14:07 落雷 阅读(549) 评论(2) 推荐(0) 编辑
摘要:神经网络 来源于 "这里" 。 神经网络可以使用 包构建。 现在你对 已经有了初步的了解, 依赖于 定义模型并区分它们。一个 包含了层(layers),和一个用来返回 的方法 。 以下面这个区分数字图像的网络为例: 上图是一个简单的前馈网络。它接受输入,一个层接一层地通过几层网络,最后给出输出。 典 阅读全文
posted @ 2019-06-28 14:02 落雷 阅读(310) 评论(0) 推荐(0) 编辑
摘要:AUTOGRAD: AUTOMATIC DIFFERENTIATION(自动分化) 来源于 "这里" 。 包是PyTorch中所有神经网络的核心。首先我们先简单地了解下它,然后我们将训练我们的第一个神经网络。 包为Tensors上的所有操作提供自动分化。它是一个逐步执行的框架,这意味着你的反向传播( 阅读全文
posted @ 2019-06-27 14:59 落雷 阅读(210) 评论(0) 推荐(0) 编辑
摘要:深度学习60分钟入门 来源于 "这里" 。 本文目标: 在高层次上理解PyTorch的Tensor库和神经网络 训练一个小型的图形分类神经网络 本文示例运行在ipython中。 什么是PyTorch PyTorch是由Torch7团队开发的,从名字就可以看出,它跟Torch的不同之处在于PyTorc 阅读全文
posted @ 2019-06-26 17:15 落雷 阅读(356) 评论(0) 推荐(0) 编辑
摘要:理解NumPy 本文主要介绍NumPy的基础知识,NumPy是一个功能强大的Python库,允许更高级的数据操作和数学计算。 什么是NumPy NumPy,来源自两个单词:Numerical和Python,是一个强大的Python库,主要用于多维数组的执行计算。它非常重视数组,允许你在Python中 阅读全文
posted @ 2019-06-24 19:55 落雷 阅读(394) 评论(0) 推荐(0) 编辑
摘要:PyTorch基础 摘抄自《深度学习之Pytorch》。 Tensor(张量) PyTorch里面处理的最基本的操作对象就是Tensor,表示的是一个多维矩阵,比如零维矩阵就是一个点,一维就是向量,二维就是一般的矩阵,多维就相当于一个多维数组,这和numpy是对应,而且PyTorch的Tensor可 阅读全文
posted @ 2019-06-12 20:09 落雷 阅读(587) 评论(0) 推荐(0) 编辑
摘要:前言 摘抄自《深度学习之Pytorch》。 在深度学习初始阶段,每个深度学习研究者都需要写大量的重复代码。为了提高工作效率,这些研究者就将这些代码写成了一个框架放到网上让所有研究者一起是用;接着网上就出现了不同的框架。随着时间的推移,最为好用的几个框架被大量的人使用从而流行了起来,接下来介绍一下目前 阅读全文
posted @ 2019-06-12 20:08 落雷 阅读(1420) 评论(0) 推荐(0) 编辑
摘要:人工智能 摘抄自《深度学习之Pytorch》。 定义 人工智能(Artificial Intelligence),也称机器智能,是指由人工制造出来的系统所表现的智能。所谓的智能,即值可以观察周围环境并据此作出行动已达到目的。 分类 人工智能的概念很宽泛,现在根据人工智能的实例将它分为三大类: 弱人工 阅读全文
posted @ 2019-06-12 20:07 落雷 阅读(465) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示