原创 AlexNet模型代碼整理
1. 網絡模型 （論文是用兩塊gpu並行訓練的，所以圖中的模型是上下兩部分的，第一層卷積核的個數是48+48=96） 2. 模型參數 3. 模型代碼 import torch.nn as nn import torch clas
2020-07-07 02:30:53
1
原创 VGG模型代碼整理
1. VGG模型 2. 用2次3*3卷積代替5*5卷積，3次3*3卷積代替7*7卷積。 （1）卷積結果對應原圖的感受野計算： (F(i)表示第i層的感受野，如果是最上層的就是1，如果多次卷積就多次迭代計算。) 例如：三
2020-07-07 02:30:53
3
原创 ResNet模型代碼整理
1. ResNet模型 2. 左圖爲18層，34層模型的一個殘差塊，右圖爲50層，101層，152層的殘差塊 3. 18層，34層的殘差塊（虛線部分表示輸入要進行一次下采樣操作） 4. 50，101，152層的殘差塊 5. 3
2020-07-07 02:30:53
4
原创 可分離卷積：空間可分離卷積和深度可分離卷積
空間可分離卷積：將一個卷積核分爲兩部分（降低計算複雜度，但並非所有的卷積核都可以分） 深度可分離卷積的過程：先深度卷積，再點態卷積 （對卷積中的通道數不瞭解的請參考：關於卷積中的通道數問題） 1. 深
2020-06-23 10:34:28
原创 pytorch筆記12--無監督的AutoEncoder（自編碼）
1. AutoEncoder: 給特徵屬性降維 2. Data---->壓縮(提取Data的關鍵信息，減小網絡的運算壓力)---->data(具有代表性的特徵)---->解壓(還原數據信息)---->Pred_Data 3. 使用Mnis
2020-06-23 10:34:28
2
原创 pytorch筆記11_RNN迴歸
用sin曲線擬合cos上的數據： # 用sin曲線擬合cos曲線上的數據 import torch import torch.nn as nn import numpy as np import matplotlib.pyplot
2020-06-23 10:34:28
原创 pytorch筆記8--optimizer
對比各種優化器的效果 數據分佈如下圖： import torch import torch.utils.data as Data import torch.nn.functional as Func from matplotlib i
2020-06-23 10:34:28
原创 深度學習筆記--Fashion_mnist+softmax的簡單實現
1. 主文件 import torch import All_function as func import torch.nn as nn #獲取數據 batch_size=256 train_iter,test_iter=func.
2020-06-23 10:34:28
原创 pytorch筆記7--批訓練
import torch import torch.utils.data as Data #用於小批訓練 torch.manual_seed(1) #爲cpu設置隨機種子，使多次運行結果一致 # torch.cuda.manu
2020-06-23 10:34:28
原创 機器學習實戰--決策樹算法實例之判斷海洋生物（ID3）
1.實例描述： 下表中有5組數據，兩個特徵，根據着兩組特徵判斷這個樣本是不是魚類。 海洋生物數據 不付出水面是否可以生存(no surfacing) 是否有腳蹼(flippers) 屬於魚類 1 1 1 yes 2 1 1 yes 3
2020-06-23 10:34:28
原创 梯度下降：BGD、SGD、MBGD的區別
梯度下降法分爲三種形式：批量梯度下降（Batch Gradient Descent）、隨機梯度下降（Stochastic Gradient Descent）和小批量梯度下降（Mini-Batch Gradient Descent） 批量
2020-06-23 10:34:28
2
原创 卷積過程中關於通道數的問題
以RGB圖像爲例。 一個12*12的像素圖，對其進行5*5的卷積，最後得到一個8*8的像素圖。 RGB圖像有3個通道（12*12*3），所以卷積核也要有3個通道（5*5*3），對像素圖進行卷積後得到的結果是8*8*1而不是8*8*3的圖像
2020-06-23 10:34:28
原创 語義分割論文V3+總結
論文：《Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation》 論文主要的進展和貢獻 1. DeepLabv3+ = Dee
2020-06-23 10:34:28
原创 深度學習筆記--Kaggle比賽之房價預測
#獲取和讀取數據 import torch import torch.nn as nn import pandas as pd #處理數據 import All_function as func #自定義包
2020-06-23 10:34:28
原创 關於深度可分離卷積可以減少計算量的問題
一、什麼是深度可分離卷積？深度可分離卷積的操作流程？ 二、爲什麼深度可分離卷積的計算量比普通卷積的計算量要小？ 例如：12*12*3的原始圖像用256個5*5*3的卷積核卷出8*8*256的結果（stride=1） 1. 使用原始的卷積方
2020-06-23 10:34:28