机器学习基础概述
摘要：
实用特征：可观察且可量化 L2损失：平方误差 均方误差 (MSE) ：指的是每个样本的平均平方损失。要计算 MSE，请求出各个样本的所有平方损失之和，然后除以样本数量 虽然 MSE 常用于机器学习，但它既不是唯一实用的损失函数，也不是适用于所有情形的最佳损失函数。 阅读全文
posted @ 2020-08-30 21:59 cltt 阅读(115) 评论(0) 推荐(0)
nn.Linear nn.Conv2d nn.BatchNorm2d
摘要：
conv,BN,Linear conv:https://blog.csdn.net/Strive_For_Future/article/details/83240232 1)conv2d.weight shape=[输出channels,输入channels,kernel_size,kernel_s 阅读全文
posted @ 2020-08-29 18:10 cltt 阅读(570) 评论(0) 推荐(0)
pytorch 中tensor在CPU和GPU之间转换
摘要：
1. CPU tensor转GPU tensor： cpu_imgs.cuda()2. GPU tensor 转CPU tensor： gpu_imgs.cpu()3. numpy转为CPU tensor： torch.from_numpy( imgs )4.CPU tensor转为numpy数据： 阅读全文
posted @ 2020-08-29 10:07 cltt 阅读(2980) 评论(0) 推荐(0)
pytorch tensor 的拼接和拆分
摘要：
torch.catimport torch a=torch.randn(3,4) #随机生成一个shape（3，4）的tensort b=torch.randn(2,4) #随机生成一个shape（2，4）的tensor print("a:") print(a) print("b:") print( 阅读全文
posted @ 2020-08-28 21:17 cltt 阅读(1985) 评论(0) 推荐(0)
计算模型的Para和GFLOPs
摘要：
import torch.nn as nn import torch import torch.nn.functional as F class FP_Conv2d(nn.Module): def __init__(self, input_channels, output_channels, ker 阅读全文
posted @ 2020-08-28 15:49 cltt 阅读(904) 评论(0) 推荐(0)
B bit
摘要：
1B(byte)=8bit B:字节 bit：位（计算机表示数据最小的单位） B与bit 数据存储是以“字节”（Byte）为单位，数据传输大多是以“位”（bit，又名“比特”）为单位，一个位就代表一个0或1（即二进制），每8个位（bit，简写为b）组成一个字节（Byte，简写为B），是最小一级的信息 阅读全文
posted @ 2020-08-27 21:47 cltt 阅读(531) 评论(0) 推荐(0)
torch.nn.Sequential()搭建神经网络模型
摘要：
一、第一种方式（可以配合一些条件判断语句动态添加） 模板——torch.nn.Sequential()的一个对象.add_module(name, module)。 name：某层次的名字；module：需要添加的子模块，如卷积、激活函数等等。 添加子模块到当前模块中。 可以通过 name 属性来访 阅读全文
posted @ 2020-08-25 10:40 cltt 阅读(1951) 评论(0) 推荐(0)
self参数 - __ init__ ()方法 super(Net, self).__init__()
摘要：
self参数 self指的是实例Instance本身，在Python类中规定，函数的第一个参数是实例对象本身，并且约定俗成，把其名字写为self， 也就是说，类中的方法的第一个参数一定要是self，而且不能省略。关于self有三点是很重要的： self指的是实例本身，而不是类 self可以用this 阅读全文
posted @ 2020-08-24 11:17 cltt 阅读(4347) 评论(0) 推荐(1)
PyTorch 两大转置函数 transpose() 和 permute(),
摘要：
在pytorch中转置用的函数就只有这两个 transpose() permute() transpose() torch.transpose(input, dim0, dim1, out=None) → Tensor 函数返回输入矩阵input的转置。交换维度dim0和dim1 参数: input 阅读全文
posted @ 2020-08-22 23:03 cltt 阅读(15521) 评论(0) 推荐(2)
nn.Conv2d卷积
摘要：
二维卷积可以处理二维数据 nn.Conv2d(self, in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True))参数： in_channel: 输入数据的通道数，例R 阅读全文
posted @ 2020-08-22 21:59 cltt 阅读(247) 评论(0) 推荐(0)
浙公网安备 33010602011771号