原创 卷積神經網絡-LeNet
卷積神經網絡層數不包括輸入層，故LeNet總共7層，即C1層卷積層，S2層池化層，C3層卷積層，S4層池化層，C5層全連接層，F6層全連接層，G7輸出層。 （1）C1層卷積層： 輸入大小：32*32 卷積核大小：5*5 卷積核數量（深度
2020-05-23 20:23:55
原创 卷積神經網絡-VGG
import torch import torch.nn as nn class VGG(nn.Module): def __init__(self, class_num): super(VGG, self).__
2020-05-23 20:23:55
原创 卷積神經網絡-VGG
import torch import torch.nn as nn class VGG(nn.Module): def __init__(self, class_num): super(VGG, self
2020-05-23 20:23:55
原创 pytorch中children()modules()，named_children()，named_modules()，named_parameters()，parameters()的使用
class SimpleCNN(nn.Module): def __init__(self): super(SimpleCNN, self).__init__() layer1 = nn.Seque
2020-05-20 09:53:30
原创 卷積神經網絡-卷積層
卷積層的一些性質： ( 1 )輸入數據體的尺寸是 W1 * H1 * D1。 ( 2 ) 4個超參數:濾波器數K，濾波器空間尺寸F，滑動步長S， 零填充的數 P。 ( 3 )輸出數據體的尺寸爲W2 * H2 * D
2020-05-18 19:01:24
原创 卷積神經網絡-池化層
卷積層的一些性質： ( 1 )輸入數據體的尺寸是 W1 * H1 * D1。 ( 2 ) )有兩個需要設置的超參數，濾波器空間尺寸F，滑動步長S。 ( 3 )輸出數據體的尺寸爲W2 * H2 * D2， 其中 W2
2020-05-18 19:01:24
原创 pytorch 構建網絡模型的方法
1.常規 class Logistic_regression_1(nn.Module): def __init__(self): super(Logistic_regression_1, self).__init_
2020-05-16 23:11:48
原创 2020-03-07
從零開始深度學習Pytorch筆記——張量的創建（上） 我們首先要聊到他的基本數據類型——張量（Tensor），那張量到底是什麼呢？張量類似於Numpy中的ndarray，我們都知道深度學習的基礎是神經網絡結構，而在Pytorch
2020-03-08 18:44:27
原创 2020-03-07
從零開始深度學習Pytorch筆記——張量的索引與變換 本文研究張量的索引與變換。張量的索引import torch使用torch.masked_select()索引torch.masked_select(input, mask,
2020-03-08 18:44:27