随笔分类 -  深度学习

摘要:深度学习入门基于python本章主要写的是深度学习入门基于python的实现,也就是大家常说的鱼书上的相关,里面介绍了从感知机到卷积神经网络的过程,并使用python来实现,对于深度学习入门来说正好合适 阅读全文
posted @ 2025-09-08 16:33 小西贝の博客 阅读(13) 评论(0) 推荐(0)
摘要:20-查看开源项目本章主要介绍如何查看和使用开源项目 阅读全文
posted @ 2025-06-07 22:04 小西贝の博客 阅读(7) 评论(0) 推荐(0)
摘要:19-完整模型验证套路本章主要介绍使用pytorch训练一个分类模型,并预测图片的结果 阅读全文
posted @ 2025-06-07 22:03 小西贝の博客 阅读(27) 评论(0) 推荐(0)
摘要:18-利用GPU训练本章主要利用GPU进行训练 阅读全文
posted @ 2025-06-07 22:00 小西贝の博客 阅读(15) 评论(0) 推荐(0)
摘要:17-完整模型训练套路本章主要介绍使用网络模型CIFAR 10 model进行训练 阅读全文
posted @ 2025-06-07 21:59 小西贝の博客 阅读(13) 评论(0) 推荐(0)
摘要:16-网络模型保存与读取本文主要介绍网络模型的保存与读取 阅读全文
posted @ 2025-06-07 21:54 小西贝の博客 阅读(11) 评论(0) 推荐(0)
摘要:15-网络模型使用及修改本文主要介绍网络模型的使用及相关修改 阅读全文
posted @ 2025-06-07 21:52 小西贝の博客 阅读(29) 评论(0) 推荐(0)
摘要:14-优化器本文主要介绍优化器及使用神经网络进行多层优化 阅读全文
posted @ 2025-06-07 21:50 小西贝の博客 阅读(13) 评论(0) 推荐(0)
摘要:13-损失函数与反向传播本章主要介绍损失函数和反向传播的使用 阅读全文
posted @ 2025-06-07 21:49 小西贝の博客 阅读(31) 评论(0) 推荐(0)
摘要:12-搭建小实战和Sequential使用本章主要介绍神经网络并且搭建神经网络和Sequential神经网络,并使用Tensorboard显示网络 阅读全文
posted @ 2025-06-07 21:45 小西贝の博客 阅读(18) 评论(0) 推荐(0)
摘要:11-线性层及其他层本章主要介绍神经网络和线性层相关使用 阅读全文
posted @ 2025-06-07 21:41 小西贝の博客 阅读(13) 评论(0) 推荐(0)
摘要:10-非线性激活本章主要介绍非线性激活并使用Tensorboard进行显示 阅读全文
posted @ 2025-06-07 21:38 小西贝の博客 阅读(13) 评论(0) 推荐(0)
摘要:9-最大池化层本章主要介绍池化层的原理和使用 阅读全文
posted @ 2025-06-07 21:36 小西贝の博客 阅读(32) 评论(0) 推荐(0)
摘要:8-卷积层本章主要介绍卷积层的使用 阅读全文
posted @ 2025-06-07 20:08 小西贝の博客 阅读(15) 评论(0) 推荐(0)
摘要:7-卷积原理本章主要介绍卷积原理 阅读全文
posted @ 2025-06-07 20:06 小西贝の博客 阅读(23) 评论(0) 推荐(0)
摘要:6-nn.Module模块使用本章主要介绍nn.Module的使用,他是对所有神经网络提供一个基本的类,并介绍super函数和forward函数 阅读全文
posted @ 2025-06-07 18:21 小西贝の博客 阅读(26) 评论(0) 推荐(0)
摘要:5-Dataloader使用本章主要介绍Dataloader的使用,并使用Tensorboard展示 阅读全文
posted @ 2025-06-07 18:16 小西贝の博客 阅读(36) 评论(0) 推荐(0)
摘要:4-torchvision数据集使用本文主要写torchvision数据集的使用,并使用Tensorboard查看内容 阅读全文
posted @ 2025-06-07 18:09 小西贝の博客 阅读(33) 评论(0) 推荐(0)
摘要:3-Transforms使用本章主要学习Tensorforms的用途以及常用的常见的Transforms工具 阅读全文
posted @ 2025-06-07 18:04 小西贝の博客 阅读(31) 评论(0) 推荐(0)
摘要:2-Tensorboard使用本章主要介绍tensorboard的使用方法和相关用途 阅读全文
posted @ 2025-06-07 17:58 小西贝の博客 阅读(26) 评论(0) 推荐(0)