最咸的鱼

摘要： 比如，你遇到的一个任务，目前只有小几百的数据，然而目前流行的最先进的神经网络都是成千上万的图片数据，可以通过数据增强来实现。 常用的数据增强手段： Flip（翻转） Rotation（旋转） Scale（缩放） Random Move&Crop（移位&裁剪） Gaussian Noise（高斯噪声） 阅读全文

摘要： 1.Pytorch上搭建ResNet-18 1 import torch 2 from torch import nn 3 from torch.nn import functional as F 4 5 6 class ResBlk(nn.Module): 7 """ 8 resnet block 阅读全文

摘要： 提前安装ffmpeg，参考https://www.cnblogs.com/Neeo/articles/11677715.html 1.逻辑回归解决二分类问题 1.1生成数据集 1 import tensorflow as tf 2 import matplotlib.pyplot as plt 3 阅读全文

摘要： 在PyTorch中nn.Module类是用于定义网络中前向结构的父类，当要定义自己的网络结构时就要继承这个类。现有的那些类式接口（如nn.Linear、nn.BatchNorm2d、nn.Conv2d等）也是继承这个类的，nn.Module类可以嵌套若干nn.Module的对象，来形成网络结构的嵌套 阅读全文

摘要： 1.卷积层 1.1torch.nn.Conv2d()类式接口 1 torch.nn.Conv2d(self, in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)) 阅读全文

摘要： 1.训练集&验证集&测试集 训练集：训练数据 验证集：验证不同算法（比如利用网格搜索对超参数进行调整等），检验哪种更有效 测试集：正确评估分类器的性能 正常流程：验证集会记录每个时间戳的参数，在加载test数据前会加载那个最好的参数，再来评估。比方说训练完6000个epoch后，发现在第3520个e 阅读全文

摘要： 1.问题描述 有一个函数$f:R\rightarrow R$ ，现在不知道函数 $f(x)$的具体形式，给定满足函数关系的一组训练样本$\left \{ (x_{1},y_{1}),...,(x_{N},y_{N}) \right \}$，N=300，请使用线性回归模型拟合出函数$y=f(x)$。( 阅读全文

摘要： Visdom相比TensorBoardX，更简洁方便一些（例如对image数据的可视化可以直接使用Tensor，而不必转到cpu上再转为numpy数据），刷新率也更快。 1.安装visdom pip install visdom 2.开启监听进程 visdom本质上是一个web服务器，开启web服务 阅读全文

摘要： 1.numpy的array操作 1 #1.导入numpy 2 import numpy as np 3 import matplotlib.pyplot as plt 4 5 #2.建立一个一维数组 a 初始化为[4,5,6] 6 #(1)输出a 的类型（type）(2)输出a的各维度的大小（sha 阅读全文

摘要： Pytorch定义网络结构识别手写数字，可以对网络中的参数w和b进行手动定义的（参考上一节），也可以直接用nn.Linear定义层的方式来定义，更加方便的方式是直接继承nn.Module来定义自己的网络结构。 1.nn.Linear方式 1 import torch 2 import torch.n 阅读全文