随笔分类 - Deep Learning
摘要：本文转载自：https://blog.csdn.net/xiaosongshine/article/details/90600028 一、Self-Attention概念详解 对于self-attention来讲，Q(Query), K(Key), V(Value)三个矩阵均来自同一输入，首先我们要
阅读全文
摘要：Conv1d(in_channels，out_channels，kernel_size，stride=1，padding=0，dilation=1，groups=1，bias=True) filters:卷积核的数目(即输出的维度) kernel_size:整数或由单个整数构成的list/tuple
阅读全文
摘要：1. 背景 在深度学习的任务中，通常需要比较长时间的训练，因此我们会选择离开电脑。笔者在跟踪模型表现， 观察模型accuracy 以及 loss 的时候，比较传统的方法是在控制台print输出或者直接使用tensorboard。 但如果是你需要远程观察模型表现，那一个时刻记录的log 文件就非常重要
阅读全文
摘要：Torch.nn.Conv2d(in_channels，out_channels，kernel_size，stride=1，padding=0，dilation=1，groups=1，bias=True) in_channels：输入维度 out_channels：输出维度 kernel_size：
阅读全文
摘要：1.1 简介 计算机视觉中，我们需要观察我们的神经网络输出是否合理。因此就需要进行可视化的操作。 orchvision是独立于pytorch的关于图像操作的一些方便工具库。 torchvision的详细介绍在：https://pypi.org/project/torchvision/0.1.8/ 这
阅读全文
摘要：1.1 简介 深层神经网络一般都需要大量的训练数据才能获得比较理想的结果。在数据量有限的情况下，可以通过数据增强（Data Augmentation）来增加训练样本的多样性， 提高模型鲁棒性，避免过拟合。 在计算机视觉中，典型的数据增强方法有翻转（Flip），旋转（Rotat ），缩放（Scale）
阅读全文