摘要: 参考链接: 卷积:https://www.bilibili.com/video/BV1Vd4y1e7pj/?spm_id_from=333.999.0.0&vd_source=fa1d778abbb911d02be7ac36f2b2e32a Transformer: https://www.bili 阅读全文
posted @ 2024-08-04 23:20 xjl_ultrasound 阅读(37) 评论(0) 推荐(0)
摘要: Pytorch学习资料:http://www.feiguyunai.com/index.php/2019/09/11/pytorch-char03/ ———————————————————————————————————— torch.nn Containers是神经网络骨架,含6个类,最常用的是M 阅读全文
posted @ 2024-08-04 16:37 xjl_ultrasound 阅读(177) 评论(0) 推荐(0)
摘要: 学会看内置数据集的官方文档:https://pytorch.org/vision/stable/generated/torchvision.datasets.CIFAR10.html#torchvision.datasets.CIFAR10 示例代码: import torchvision from 阅读全文
posted @ 2024-08-03 11:33 xjl_ultrasound 阅读(70) 评论(0) 推荐(0)
摘要: ——————————PyCharm————————————————— 在console输入一段代码运行,等同于,在同样的代码段的最后一行设置断点debug(Pycharm绿色瓢虫)。在Variables处都会显示所有变量的具体信息 注释快捷键:ctrl+/ 如何查看pycharm里的快捷键:file 阅读全文
posted @ 2024-08-02 16:54 xjl_ultrasound 阅读(20) 评论(0) 推荐(0)
摘要: 创建名为new_env的conda环境,python版本号自定义:conda create -n new_env python=3.9 Anaconda 创建虚拟环境失败解决办法,详见参考资料[2]: 创建condarc文件(在C:\Users\xjl):conda config --add cha 阅读全文
posted @ 2024-08-02 16:06 xjl_ultrasound 阅读(39) 评论(0) 推荐(0)
摘要: transforms对图像进行改造 from torchvision import transforms 最靠谱的办法:根据help文件自行学习transforms包含哪些工具(类)以及如何使用 ———————————————————————————————————— 自学一个类时,应关注: 1、如 阅读全文
posted @ 2024-08-02 15:53 xjl_ultrasound 阅读(80) 评论(0) 推荐(0)
摘要: Tensorboard数据可视化 TensorBoard是一个可视化工具,它可以用来展示网络图、张量的指标变化、张量的分布情况等。它通过运行一个本地服务器,来监听6006端口(可更改)。在浏览器发出请求时,分析训练时记录的数据,绘制训练过程中的图像 当前环境下安装:pip install tenso 阅读全文
posted @ 2024-08-02 14:04 xjl_ultrasound 阅读(79) 评论(0) 推荐(0)
摘要: Dataset类 作用:模型的数据集接口 __init__将对象实例化,创建对象时obj = class(..., ...)会立即被调用,需要提供(输入)类中使用到的变量。 __getitem__通过img, label = obj[idx]获取(返回)每一个数据和label __len__通过le 阅读全文
posted @ 2024-08-01 18:25 xjl_ultrasound 阅读(96) 评论(0) 推荐(0)
摘要: Pytorch环境安装及配置 1、创建conda环境,名为pytorch conda create -n pytorch python=3.10 2、在任务管理器的性能中确认显卡,是否支持CUDA。其次,确认显卡驱动,cuda9.2支持396.26以上的驱动,可以在命令行输入nvidia-smi来看 阅读全文
posted @ 2024-08-01 17:14 xjl_ultrasound 阅读(164) 评论(0) 推荐(0)
摘要: 关键词: 泛化性、过拟合、欠拟合;误差、偏差、方差 及其关系;模型复杂度&偏差&方差&过拟合&欠拟合&误差之间关系 正则化、范数、稀疏;交叉验证 泛化性generalization: performances on unseen data training data——seen test data— 阅读全文
posted @ 2024-07-22 23:28 xjl_ultrasound 阅读(132) 评论(0) 推荐(0)