•深度学习实践

《PyTorch深度学习实践》课上代码笔记 五

自学笔记课程老师：刘二大人河北工业大学教师https://liuii.github.io课程来源：https://www.bilibili.com/video/BV1Y7411d7Ys十二、Residual_Block（残差网络）为了防止梯度的消失，在一定次数的卷积操作后(一般为两次)，将结果与输入进行相加后进行relu，这样后的梯度最小会在1左右，而不是0，能有效避免梯度消失。残差部分的代码如下
Zhanglw882·2022-09-21 07:01

PyTorch 入门与实践（六）卷积神经网络进阶（DenseNet）

来自B站刘二大人的《PyTorch深度学习实践》P11的学习笔记上一篇卷积神经网络进阶（GoogLeNet、ResNet）我们实践了GoogleNet和ResNet两大经典网络：GoogleNet从多路选择学习
Skr.B·2022-09-21 07:00

刘二大人 PyTorch深度学习实践 笔记 P11 卷积神经网络（高级篇）

刘二大人PyTorch深度学习实践笔记P11卷积神经网络（高级篇）1、GoogleNetI网络结构II减少代码冗余思想(减少代码重复)2、InceptionModuleI基本概念III代码实现IIStackLayer3
小白*进阶ing·2022-09-21 07:57

4.1 PyTorch纯手工构建模型并训练

欢迎订阅本专栏：《PyTorch深度学习实践》订阅地址：https://blog.csdn.net/sinat_33761963/category_9720080.html第二章：认识Tensor的类型
王小小小草·2022-09-20 07:19

PyTorch 深度学习实践 第5讲（用PyTorch实现线性回归 ）

本实例是批量数据处理，小伙伴们不要被optimizer=torch.optim.SGD(model.parameters(),lr=0.01)误导了，以为见了SGD就是随机梯度下降。要看传进来的数据是单个的还是批量的。这里的x_data是3个数据，是一个batch，调用的PyTorchAPI是torch.optim.SGD，但这里的SGD不是随机梯度下降，而是批量梯度下降。也就是说，梯度下降算法使
LuLu-jianfeng·2022-09-17 09:06

【PyTorch】深度学习实践之 RNN基础篇——实现RNN

本文目录1.DNN2.RNN3.RNNCell具体计算过程4.Pytorch实现RNN4.1创建RNNcell再写循环4.2直接调用RNN5.多层RNN6.案例6.1使用RNN_cell6.2使用RNN7.独热向量one-hot缺点改进目标网络结构完整代码课后练习1：LSTM实现之前的模型代码：结果：课后练习2：GRU实现之前的模型代码：结果：学习资料系列文章索引1.DNN深度神经网络是稠密网络，
zoetu·2022-09-17 09:06

【PyTorch】深度学习实践之CNN高级篇——实现复杂网络

本文目录1.串行的网络结构2.GoogLeNet2.1结构分析2.2代码实现2.3结果3.ResNet3.1网络分析3.2代码实现3.3结果课后练习1：阅读并实现IdentityMappingsinDeepResidualNetworks实现图左的ResidualBlock：实现图右的ResidualBlock：课后练习2：阅读和实现DenselyConnectedConvolutionalNet
zoetu·2022-09-17 09:06

Pytorch深度学习（六）：Softmax函数实现多分类

Pytorch深度学习（六）：Softmax函数实现多分类参考B站课程：《PyTorch深度学习实践》完结合集传送门：《PyTorch深度学习实践》完结合集一、预备知识多分类与之前的二分类不同，这个例子要识别手写数字的多分类需要求出各类别的概率分布
Yuriy_Xiong·2022-09-17 09:35

《PyTorch深度学习实践》学习笔记：卷积神经网络（基础篇）

文章目录1.全连接神经网络与卷积神经网络2.图像的本质3.卷积运算3.1单通道卷积运算3.2三通道卷积运算3.3卷积层其他的权重4.池化运算（下采样）5.实现简单的卷积神经网络6.卷积神经网络实现MINST数据集分类6.1数据集6.2准备网络模型6.3损失函数和优化器6.4训练和测试7.完整代码1.全连接神经网络与卷积神经网络之前我们学习的网络为全连接神经网络，一层一层的全部连接，也就是前一层的每
lizhuangabby·2022-09-17 09:35

Pytorch深度学习（一）：前馈神经网络（FNN）

Pytorch深度学习（一）：前馈神经网络（FNN）参考B站课程：《PyTorch深度学习实践》完结合集传送门：《PyTorch深度学习实践》完结合集一、线性模型：已知数据：x=[1,2,3],y=[2,4,6
Yuriy_Xiong·2022-09-17 09:35

《PyTorch深度学习实践》学习笔记：加载数据集

文章目录前言一、Mini-batch基础概念二、DataLoader使用三、模型准备、损失函数、优化器四、完整代码五、Pytorch内置数据集六、课后练习1.准备数据集2.定义模型3.优化器和损失函数4.训练模型5.测试模型总结前言在前面的内容中，在训练的时候我们使用的都是全部的数据进行训练，这种在时间上比较好，但是性能上会遇到一些问题，比如鞍点；此外，我们还知道一种随机梯度下降，这种训练是每次取
lizhuangabby·2022-09-17 09:05

深度学习实践：图像去雨网络实现Pytoch

引用听风、的博客图像去雨：超详细手把手写pytorch实现代码（带注释）的网络框架，并进行了优化，主要加入了BatchNormalized模块。优化了代码整体框架和书写规范，加入了更多注释。importosimporttorchvision.transformsastransformsfromtorch.utils.dataimportDatasetfromPILimportImageimport
Dean_Lee__·2022-09-17 09:02

刘二大人《PyTorch深度学习实践》作业--梯度下降

这里，我在刘老师的基础上做了改进，将线性函数改为了y=wx+by=wx+by=wx+b，以下实现都是基于此线性函数做的。1.梯度下降importnumpyasnpimportmatplotlib.pyplotaspltx_data=[1.0,2.0,3.0]y_data=[3.0,5.0,7.0]w=1.0b=1.0defforward(x):returnx*w+b#损失函数defcost(xs,
女又力·2022-09-03 19:15

刘二大人《PyTorch深度学习实践》线性模型 作业

导入库函数importnumpyasnpimportmatplotlib.pyplotaspltfrommatplotlibimportcmfrommpl_toolkits.mplot3dimportAxes3D设置数据集x_data=[1.0,2.0,3.0]y_data=[2.0,4.0,6.0]定义前向传播函数defforward(w,b,x):returnw*x+b定义损失函数deflos
女又力·2022-09-03 19:15

PyTorch深度学习实践 第十二讲 循环神经网络(RNN)(基础篇)

视频链接：《PyTorch深度学习实践》完结合集_哔哩哔哩_bilibiliRNN循环神经网络是用来处理有时间前后顺序的输入数据，典型的就是自然语言处理了。
pig774·2022-09-02 14:24

Pytorch深度学习实践第十三讲 循环神经网络（高级篇）

B站刘二大人传送门循环神经网络（高级篇）课件链接：https://pan.baidu.com/s/1vZ27gKp8Pl-qICn_p2PaSw提取码：cxe4这一节代码较多，思路也比前面复杂一些，先把思路滤清再放代码。代码中有大量注释，视频看得很明白的同学可以直接看代码。还是那句话，搭配视频学习效果最佳。利用pytorch封装的GRU网络，要训练的是人名和国家对应的数据集，输入是人名，判断人名所
改什么都是已存在？·2022-09-02 14:54

Pytorch深度学习实践第十二讲 RNN 课后1（LSTM）

B站刘二大人传送门循环神经网络（基础篇）课件链接：https://pan.baidu.com/s/1vZ27gKp8Pl-qICn_p2PaSw提取码：cxe4模型还是将输入“hello”训练输出为“ohlol”，用LSTM网络实现。按照计算图实现LSTM之后，又尝试了加入embedding的方法。加embedding的训练快，但是我的LSTM效果不如前面RNN的，不知道是我网络写的有问题还是怎么
改什么都是已存在？·2022-09-02 14:53

Pytorch深度学习实践第十二讲 RNN 课后2（GRU）

B站刘二大人传送门循环神经网络（基础篇）课件链接：https://pan.baidu.com/s/1vZ27gKp8Pl-qICn_p2PaSw提取码：cxe4模型还是将输入“hello”训练输出为“ohlol”，用GRU网络实现。按照计算图实现GRU之后，像前面一样又尝试了加入embedding的方法，效果略有改进。GRU的网络结构示意图和公式：下面的公式和上面一样，就是写法不同。首先看公式有6
改什么都是已存在？·2022-09-02 14:53

Pytorch深度学习实践第十二讲 循环神经网络（基础篇）

B站刘二大人传送门循环神经网络（基础篇）课件链接：https://pan.baidu.com/s/1vZ27gKp8Pl-qICn_p2PaSw提取码：cxe4本节模型为将输入“hello”训练输出为“ohlol”，用循环神经网络实现。本节老师讲了cell，rnn和embedding三种简单模型，为方便测试，我给每个模型分别定义了函数。下面上开始的数据处理思路图和代码。搭配视频学习效果最佳。首先是
改什么都是已存在？·2022-09-02 14:23

pytorch 深度学习实践 第12讲 循环神经网络高级篇 Basic RNN

第12讲循环神经网络高级篇BasicRNNpytorch学习视频——B站视频链接：《PyTorch深度学习实践》完结合集_哔哩哔哩_bilibili以下是视频内容笔记以及源码，笔记纯属个人理解。
会游泳的小雁·2022-09-02 14:22

刘二大人《PyTorch深度学习实践》循环神经网络提升篇

很开心到到今日(2021.12.22)《PyTorch深度学习实践》这门课已经完成了几乎所有的实验(代码并不是完完全全按照老师PPT里的内容，添加了自己的一些操作和思考吧)，对PyTorch有了初步的了解
梅是槑奥!·2022-09-02 14:22

Pytorch 深度学习实践 第12讲

第12讲循环神经网络（基础篇）循环神经网络RNN：用来处理有序列关系的输入，比如预测天气时，今天的天气要依赖于上一天的天气数据，多用于天气、股票、自然语言处理等。RNNCell结构所有的RNNCell是同一个Linear模块，只不过是循环使用它对不同的输入序列来进行计算和更新权重，循环次数就是序列长度：初始化H0=0，是个向量forXiinX:Hi=Linear(Xi,Hi-1)torch.nn.
追寻远方的人·2022-09-02 14:52

Pytorch深度学习实践（b站刘二大人）P13讲 (RNN循环神经网络高级篇)

用RNN做一个分类器，现在有一个数据集，数据集里有人名和对应的国家，我们需要训练一个模型，输入一个新的名字，模型能预测出是基于哪种语言的（18种不同的语言，18分类）在自然语言处理中，通常先把词或字编程一个one-hot向量，one-hot向量维度高，而且过于稀疏，所以一般来说呀先通过嵌入层（Embed）把one-hot向量转化成低维的稠密向量，然后经过RNN，隐层的输出不一定和最终要求的目标一致
努力学习的朱朱·2022-09-02 14:51

PyTorch深度学习实践-P12循环神经网络

BasicRNN是神经网络的一种，适用于把一个序列变成另一个序列，例如天气股市自然语言处理，使用需要了解1序列数据2循环过程的权重共享机制DNNdense稠密网络，deep深网络有很多线性层x1,x2,x3x4...是数据样本的不同特征全连接层的运算量很大，相比比之下卷积因为有权重共享计算量小的多补充python中join（）方法和endPythonjoin()方法用于将序列中的元素以指定的字符连
m0_60673782·2022-09-02 14:51

Pytorch深度学习实践（b站刘二大人）P12讲 (RNN循环神经网络基础篇)

RNN循环神经网络：对线性层的复用1.DNNDense网络：稠密网络，有很多线性层对输入数据进行空间上的变换,又叫DNN输入x1,x2…xn是数据样本的不同特征Dense连接就是指全连接比如预测天天气，就需要知道之前几天的数据，每一天的数据都包含若个特征，需要若干天的数据作为输入假设现在取前3天，每一天有3个特征把x1,x2,x3拼成有9个维度的长向量，然后去训练最后一天是否有雨用全连接稠密网络进
努力学习的朱朱·2022-09-02 14:21

PyTorch深度学习实践-P13循环神经网络（高级篇）

用RNN做一个分类器~根据名字来判断国家18个语言地区，几千个名字，训练模型，输入新名字，然后告诉我们是使用哪种语言的人复习：onehot通过嵌入层，然后RNN层，隐状态~做线性层，把输出映射成我们要的维度hN是最后一个隐层输入名字Mclean是一个序列，而且序列长短不一样我们把嵌入层RNN线性层定义名叫RNNClassifier主循环：if__name__=='__main__':#N_CHAR
m0_60673782·2022-09-02 14:21

Pytorch深度学习实践 第十二讲 循环神经网络（基础篇）

循环神经网络RNN：用来处理有序列关系的输入，比如预测天气时，今天的天气要依赖于上一天的天气数据，多用于天气、股票、自然语言处理等。RNNCell结构所有的RNNCell是同一个Linear模块，只不过是循环使用它对不同的输入序列来进行计算和更新权重，循环次数就是序列长度：初始化H0=0，是个向量forXiinX:Hi=Linear(Xi,Hi-1)torch.nn.RNNCell()模块seqL
啥都不会的研究生←_←·2022-09-02 14:51

《PyTorch深度学习实践》第十一课（卷积神经网络CNN高级版）

b站刘二视频，地址：《PyTorch深度学习实践》完结合集_哔哩哔哩_bilibiliGoogleNet经常用于构建基础网的架构，利用Inception类的重用来快捷实现Inception模块concatenate
falldeep·2022-09-02 14:20

PyTorch深度学习实践概论笔记12-循环神经网络基础篇

上一讲链接在这PyTorch深度学习实践概论笔记11-卷积神经网络高级篇。接下来12讲，来讨论一下基本的RNN（循环神经网络）。RNN其实是对之前神经网络的复用。
双木的木·2022-09-02 14:48

《PyTorch深度学习实践》第十二课（循环神经网络RNN）

以往的网络DNN（Dense稠密网络）在序列数据中，处理数据过大，linear层比卷积核的运算类要大很多RNN模型h0先验条件，如果用于图像生成文本，可以在h0前面加上cnn+fcg:三维到五维（h0三维，输出五维），本质上是线性层用tanh是因为取值在+1和-1之间pytorch中的RNNCell只需要输入特征数，和输出特征数就行了，因为本质上是一个线性层RNN的输入即输出利用numlayers
falldeep·2022-09-02 14:18

Pytorch深度学习实践_刘二大人

1.穷举法和分治法传统的穷举法和分治法都面临着搜索空间太大或者容易陷入局部最优的问题。2.梯度下降算法优化问题就是指找使得www最小值的问题。用目标函数对权重求导数，再用权重加上它导数乘以学习率（学习率就是它从那个方向走多远），就求得了它的上升方向。为什么上升是因为，假设Δx>0\Deltax>0Δx>0，当导数大于0时，说明随着xxx的增加，它是逐渐上升的。当导数小于0时，说明随着xxx的减少，
辣鸭脖·2022-08-22 07:52

刘二大人《PyTorch深度学习实践》处理多维特征输入

课程请见《PyTorch深度学习实践》数据集见链接：https://pan.baidu.com/s/1koPyBGQ7ORaH1OHGH9IO8Q提取码：jph5#PyTorchimporttorchfromtorchimportnnfromtorchimportoptimfromtorch.utilsimportdata
梅是槑奥!·2022-08-22 07:48

【深度学习实践（七）】卷积神经网络（Xception）之动物识别

文章目录  引言【深度学习实践（七）】卷积神经网络（Xception）之动物识别1卷积神经网络2模型训练1设置GPU2加载训练集3数据预处理4构建模型5训练3预测与评估活动地址：CSDN21天学习挑战赛学习的最大理由是想摆脱平庸
梦想new的出来·2022-08-22 07:13

【学习挑战赛 |深度学习实践（五）】识别眼睛状态

文章目录  引言【深度学习实践（五）】识别眼睛状态1卷积神经网络2模型训练1设置GPU2加载训练集3数据预处理4构建模型5训练3预测与评估活动地址：CSDN21天学习挑战赛学习的最大理由是想摆脱平庸，早一天就多一份人生的精彩
梦想new的出来·2022-08-22 07:43

【学习挑战赛 | 深度学习实践（六）】乳腺癌识别

  引言铭记于心✨我唯一知道的，便是我一无所知✨文章目录  引言深度学习实践（六）乳腺癌识别1卷积神经网络2模型训练1设置GPU2加载训练集3数据预处理4构建模型5训练3预测与评估活动地址：CSDN21
梦想new的出来·2022-08-22 07:43

刘二大人 PyTorch深度学习实践 笔记 P6 逻辑斯蒂回归

刘二大人PyTorch深度学习实践笔记P6逻辑斯蒂回归P6逻辑斯蒂回归1、torchversion提供的数据集2、基本概念3、代码实现P6逻辑斯蒂回归1、torchversion提供的数据集importtorchvision
小白*进阶ing·2022-08-22 07:40

刘二大人 PyTorch深度学习实践 笔记 P5 用PyTorch实现线性回归

刘二大人PyTorch深度学习实践笔记P5用PyTorch实现线性回归P5用PyTorch实现线性回归1、线性回归基本概念2、维度3、代码实现I魔法函数II线性回归代码实现4、作业：不同优化器的损失图差别
小白*进阶ing·2022-08-22 07:39

刘二大人 PyTorch深度学习实践 笔记 P3 梯度下降算法

刘二大人PyTorch深度学习实践笔记P3梯度下降算法P3梯度下降算法1、算法思路及存在的问题2、梯度下降算法代码实现3、随机梯度下降算法代码实现P3梯度下降算法1、算法思路及存在的问题穷举思路：全部找一遍
小白*进阶ing·2022-08-22 07:09

刘二大人 PyTorch深度学习实践 笔记 P2 线性模型

刘二大人PyTorch深度学习实践笔记P2线性模型P2线性模型1、深度学习/监督学习学习过程2、基本概念3、线性模型y=w*x代码实现4、作业：实现线性模型（y=wx+b）并输出loss的3D图像P2线性模型
小白*进阶ing·2022-08-22 07:09

刘二大人 PyTorch深度学习实践 笔记 P4 反向传播

刘二大人PyTorch深度学习实践笔记P4反向传播P4反向传播1、P3回顾2、反向传播3、计算过程4、作业作业4-1：计算y=x*w的梯度，理解forward和backward过程作业4-2：代码实现4
小白*进阶ing·2022-08-22 07:09

刘二大人 PyTorch深度学习实践 笔记 P1 Overview

刘二大人PyTorch深度学习实践笔记P1Overview课程基于PyTorch深度学习框架学习的实践课程目的：1、掌握PyTorch技能2、理解深度神经网络主要讲实践，不会讲太多推导的东西3、视频链接
小白*进阶ing·2022-08-22 07:08

Pytorch深度学习实践-刘二大人-07处理多维特征的输入

回顾一下深度网络模型：在此之前构造的网络模型，输入输出均是一维的。本节主要变化的是处理输入数据为多维情况时：改变的是输入的维度m和输出维度n:torch.nn.Linear(m,n)补充：矩阵乘法就是对于维度进行的变换，引入矩阵A，使得X从N维变成M维接下来按照网络模型来说，本节进行变化的是第1部分数据加载和第2部分设计模型：1.准备数据集：2.设计网络模型：实现的代码为：最后完整的代码为：imp
慢慢来8·2022-08-22 07:06

刘二大人 《PyTorch深度学习实践》第7讲 处理多维数据特征的输入

指路☞《PyTorch深度学习实践》完结合集_哔哩哔哩_bilibili知识补充：1、糖尿病分类：x1-x8是糖尿病人的指标，y表示一年后他的病情是否加重2、可以降维或者增加维度；维度过多，会学习噪声的特征
qq_39705798·2022-08-22 07:35

PyTorch深度学习实践(刘二大人)P7 处理多维特征的输入 Multiple Dimension Input

代码如下：#读取数据importtorchimportnumpyasnp#np.loadtxt为读取文本文档的函数，默认分隔符为逗号，'delimiter'为分隔符#读取时用32位的浮点数xy=np.loadtxt('diabetes.csv.gz',delimiter=',',dtype=np.float32)x_data=torch.from_numpy(xy[:,:-1])#第一个‘：’是指
努力学习的朱朱·2022-08-22 07:33

【深度学习实践（八）】生成对抗网络（GAN）之手写数字生成

文章目录  引言【深度学习实践（八）】对抗生成网络（GAN）之手写数字生成一、对抗生成网络1定义与背景：2基本结构：二、模型训练1设置GPU2构建GAN对抗网络生成器3构造鉴别器4构造生成器5训练模型活动地址
梦想new的出来·2022-08-22 07:27

刘二大人 PyTorch深度学习实践 笔记 P7 处理多维特征的输入

刘二大人PyTorch深度学习实践笔记P7处理多维特征的输入P7处理多维特征的输入1、行为记录，列为特征2、Anaconda3数据存储路径3、转化4、代码实现：5、练习P7处理多维特征的输入1、行为记录
小白*进阶ing·2022-08-22 07:56

【深度学习实践(四)】识别验证码

文章目录  引言【深度学习实践(四)】识别验证码1卷积神经网络2模型训练1设置GPU2加载训练集3数据预处理4构建模型5训练3预测与评估活动地址：CSDN21天学习挑战赛学习的最大理由是想摆脱平庸，早一天就多一份人生的精彩
梦想new的出来·2022-08-14 14:59

【深度学习实践（一）】安装TensorFlow

【深度学习实践（一）】安装TensorFlow文章目录【深度学习实践（一）】安装TensorFlow1安装Anaconda2安装cuda与cudnn2.1安装Cuda2.2安装Cudnn3使用Anaconda
梦想new的出来·2022-08-06 07:13

循环神经网络RNN基础《PyTorch深度学习实践》

Dense全连接DeepDNN稠密网络，全连接网络（权重最多，占大头）卷积权重少原因是：卷积核上权重整个图像上是共享的，所以参数少循环神经网络RNN：专门用来处理带有序列关系模式的数据（天气，故事，自然语言），使用权重共享来减少需要训练的权重的数量使用思路：不仅要考虑序连接关系还要考虑先后的时间关系RNNCell：本质线性层（一个维度映射到另一个维度）如下图h0先验值：CNN+FC（图像生成文本）
weixin_44040169·2022-08-05 07:35

【深度学习实践（二）】上手手写数字识别

热爱写作，愿意让自己成为更好的人…【深度学习实践（二）】上手手写数字识别1设置运行设备tf.config.set_visible_devices([gpu0],"GPU")2加载数据集先得到训练数据集，
梦想new的出来·2022-08-04 07:28
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他