随笔分类 - DL
深度学习入门
摘要:表格中的数据,一般来说每一列是不同类的。而tensor中的数据,是同类的。所以我们先来学习把现实世界中不同类的数据,编码为tensor中的同类数据。 网络上有大量免费的表格数据可供下载,例如 https://github.com/caesar0301/awesome-public-data sets
阅读全文
摘要:本章将介绍以下内容: 各种真实世界中的数据如何使用tensor表示 处理不同类型的数据,包括表格数据,时间序列数据,文本,图片和医学图片等 如何从文件中读取数据 如何把数据转换为tensor 调整tensor的形状以使其适应神经网络模型
阅读全文
摘要:online documentationat http://pytorch.org/docs. 这里只是简介,不会过多涉及。 首先,大多数对tensor的操作和tensor之间的运算操作,都是定义的 torch 模块下的,同时也可以当做tensor的对象方法调用。 例如 转置 transpose 这
阅读全文
摘要:在Pytorch中,所有对tensor的操作,都是由GPU-specific routines完成的。tensor的device属性来控制tensor在计算机中存放的位置。 我们可以在tensor的构造器中显示的指定tensor存放在GPU上 也可以用 to 方法把一个CPU上的tensor复制到G
阅读全文
摘要:可以直接调用tensor的save和load方法对tensor进行保存和读取. 保存: 读取: 或者 但是这样保存下来的只能被Pytorch所识别。可以利用 h5py 库进行通用格式的保存。 首先要转换成numpy数组,然后调用 create_dataset 函数,保存为hdf5格式的文件 这里的
阅读全文
摘要:pytorh的tensor与numpy的转换,是通过Python buffer protocol完成的。所以这个转换时 zero-copy的。 tensor 》numpy 转换之后的numpy数组,与tensor共用一个基础buffer,所以如果tensor是存储在CPU上的,他们对数据的修改会相互
阅读全文
摘要:SELU激活函数: 其中: α = 1.6732632423543772848170429916717 λ = 1.0507009873554804934193349852946 原论文地址
阅读全文
摘要:摘自 b站tf2视频教程 归一化有效: 经过归一化的数据,其损失函数的等高线组成一个更规则的图形,在执行梯度下降的过程中,能够更直接,更快的收敛至自小值附近.
阅读全文
摘要:摘自b站tf2视频教程 我们经常使用到的三个回调函数为: TensorBoard ModelCheckpoint EarlyStopping 可以这样使用: logdir = "./callback" if not os.path.exists(logdir): os.mkdir(logdir) o
阅读全文
摘要:学习使用tf2 视频教程传送门 知识点: loss="sparse_categorical_crossentropy" 这个 sparse是对y进行one-hot操作,如果y已经做过one-hot,则使用 categorical_crossentropy. #!/usr/bin/env python
阅读全文
摘要:https://blog.csdn.net/m0_38024332/article/details/81779544 将图片剪切下来,池化为固定大小。可以快速的对proposal进行池化
阅读全文
摘要:https://www.jianshu.com/p/30b40b504bae
阅读全文
摘要:https://blog.csdn.net/Cyiano/article/details/76087747
阅读全文
摘要:https://www.w3cschool.cn/doc_tensorflow_python/
阅读全文
摘要:在训练的时候,调用上述函数,写入tensorboard
阅读全文