06 2019 档案

激励函数Activation Function
摘要：1、激励函数的作用 不使用激励函数的话，神经网络的每层都只是做线性变换，多层输入叠加后也还是线性变换。因为线性模型的表达能力不够，激励函数可以引入非线性因素。 2、Torch中的激励函数 阅读全文
posted @ 2019-06-14 17:27 funnything 阅读(324) 评论(0) 推荐(0)
新版本torch中Variable和Tensor合并
摘要：Variable和Tensor 发现tensor和variable输出的形式是一样的，在新版本的torch中可以直接使用tensor而不需要使用variable。 在旧版本中variable和tensor的区别在于，variable可以进行误差的反向传播，而tensor不可以。 接下来看一下，合并T 阅读全文
posted @ 2019-06-14 11:47 funnything 阅读(5090) 评论(0) 推荐(2)
pytorch&numpy
摘要：Torch 自称为神经网络界的 Numpy，两者可以很好的兼容，我们可以在numpy array和torch tensor之间轻松的转换。 1、torch和numpy之间的转换 2、Torch中的数学运算 torch中的数学运算和numpy差不多 注意：torch运算中数据必须是tensor形式 接 阅读全文
posted @ 2019-06-13 17:48 funnything 阅读(313) 评论(0) 推荐(0)
Mac系统下安装pytorch及出错解决办法
摘要：安装pytorch 今天安装pytorch，进入官网进行安装，选择适合自己的pytorch版本，复制最后一行代码到终端进行安装，具体如下： 显示错误 显示安装torch和torchvision都成功了，但是import torch时出错，具体错误如下： 解决办法 首先需要安装homebrew,然后在 阅读全文
posted @ 2019-06-13 11:45 funnything 阅读(1719) 评论(0) 推荐(0)
[转]目标检测入门之（一）综述（上）
摘要：导言：目标检测的任务表述 如何从图像中解析出可供计算机理解的信息，是机器视觉的中心问题。深度学习模型由于其强大的表示能力，加之数据量的积累和计算力的进步，成为机器视觉的热点研究方向。 那么，如何理解一张图片？根据后续任务的需要，有三个主要的层次。 图像理解的三个层次 一是分类（Classificat 阅读全文
posted @ 2019-06-12 18:55 funnything 阅读(539) 评论(0) 推荐(0)
Matplotlib
摘要：在深度学习中，图形的绘制和数据的可视化非常重要。Matplotlib是用于绘制图形的库，使用Matplotlib可以轻松地绘制图形和实现数据的可视化。 1、绘制简单图形 图形如下 2、pyplot的功能 图形如下 3、显示图像 显示如图： 阅读全文
posted @ 2019-06-12 17:14 funnything 阅读(142) 评论(0) 推荐(0)
Numpy模块
摘要：在深度学习的过程中经常会涉及到矩阵和数组的计算，用numpy会便捷很多，这里就简单介绍一些在深度学习中会用到的一些。(建议看一下莫烦python的教学视频) 1、导入numpy Python 中使用 import语句来导入库。这里的 import numpy as np，直译的话就是“将 numpy 阅读全文
posted @ 2019-06-12 16:17 funnything 阅读(220) 评论(0) 推荐(0)
pyhton中__pycache__文件夹
摘要：原因 用python编写了一个工程，但在第一次运行后，发现工程根目录下生成了一个__pycache__文件夹，发现文件夹里面是和py文件同名的各种以 .cpython-35.pyc结尾的文件。 模块的调用 Python中导入模块时，实际上会把被导入的模块执行一遍，如下：先看被调用的模块test.py 阅读全文
posted @ 2019-06-12 15:18 funnything 阅读(2080) 评论(0) 推荐(1)