摘要：
1. Batch Normalization的作用 Batch Normalization可以帮助使error surface不那么崎岖... 例如上图，x1的值比较小，当w1发生微小的变化时，损失L变化也会很小；而x2的值比较大，当w2发生微小的变化时，损失L变化会比较大； 这样就会造成error 阅读全文
摘要：
一种新的数据增强的方式mixup： 文件夹结构： food11: - training calss_num.jpg - validation class_num.jpg 数据增强： import torchvision.transforms as transforms # Normally, We 阅读全文
摘要：
一个用于节省内存的技巧：(构建Dataset后可将原始数据删除！训练和验证完成后可将训练集和验证集的DataLoader删除！) import gc from torch.utils.data import DataLoader, Dataset, random_split # preprocess 阅读全文
摘要：
固定随机数种子： def same_seed(seed): '''Fixes random number generator seeds for reproducibility.''' torch.backends.cudnn.deterministic = True torch.backends. 阅读全文