摘要： How to Find Research Papers ACM Portal: http://portal.acm.org IEEE Xplore: http://ieeexplore.ieee.org Springer: http://springerlink.metapress.com Else 阅读全文

摘要： 1. torch.nn.RNNCell 用于定义循环神经网络的一个 Cell，网络结构图如下所示： 右侧是这个网络的工作过程，都是同一个 RNN Cell(不是定义多个的意思)，每个 Cell 内部就是一个全连接的神经网络。函数原型如下： """ input_size – 输入层输入的特征向量维度 阅读全文

摘要： 包括两步： 1）Convert parameters and buffers of all modules to CUDA Tensor. 2）Send the inputs and targets at every step to the GPU. 注意：模型和数据要迁移到同一块显卡上。 举个例子 阅读全文

摘要： DNN 其实就是多层感知机，并没有什么特殊的地方。 DNN 按不同层的位置划分，其内部的神经网络层可以分为三类，输入层，隐藏层和输出层,如下图示例，一般来说第一层是输入层，最后一层是输出层， 而中间的层数都是隐藏层。 层与层之间是全连接的，也就是说，第 $i$ 层的任意一个神经元一定与第 $i+1$ 阅读全文

摘要： 1. torch.nn.MaxPool2d nn.MaxPool2d 是二维池化的方法，主要是针对图像，函数原型如下： """ kernel_size - 表示做最大池化的窗口大小，可以是单个值，也可以是 tuple 元组 stride - 步长，可以是单个值，也可以是 tuple 元组 paddi 阅读全文

摘要： 1. torch.nn.Conv2d nn.Conv2d 是二维卷积方法，主要做图像卷积，它的函数原型如下： """ in_channels - 输入图像的通道数，也是输入层神经元的个数 out_channels - 输出图像的通道数，也是输出层神经元的个数 kernel_size - 单个卷积核尺 阅读全文

摘要： DNN 以及 CNN 的模型和前向反向传播算法，这些算法都是前向反馈的，模型的输出和模型本身没有关联关系。 循环神经网络（Recurrent Neural Network）指一个随着时间的推移，重复发生的结构。它能够实现某种“记忆功能”，是进行时间序列分析时最好的选择。 RNN 模型如下： 这个网络 阅读全文

摘要： 1. 一维正态分布 连续型随机变量 $X$，它的数学期望为 $\mu$，方差为 $\sigma^{2}$，如果它的概率密度满足 $$f(x) = \frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(x-\mu)^{2}}{2\sigma^{2}}}, \; -\infty < 阅读全文

摘要： torchvision 是独立于 PyTorch 的关于图像操作的一个工具库，目前包括六个模块： 1）torchvision.datasets：几个常用视觉数据集，可以下载和加载，以及如何编写自己的 Dataset。 2）torchvision.models：经典模型，例如 AlexNet、VGG、 阅读全文

摘要： 图像有单通道和多通道两种分类。我们先用 OpenCV 读一张图片看看它是怎么存放的。读入的图片如下： import cv2 img = cv2.imread('test.jpg') print(img.shape) print(type(img)) """ (36, 100, 3) <class ' 阅读全文