原创 獲取列表中索引時報錯:‘ValueError: shape mismatch: objects cannot be broadcast to a single shape‘

最近在改代碼的時候遇到一個坑,報錯如題目所示 “ValueError: shape mismatch: objects cannot be broadcast to a single shape”。 報錯的代碼段比較長,在原代碼段

原创 Pytorch 網絡中dilation=0和dilation=N (N=1,2,3,...)的區別

假設輸入爲4x4,卷積核爲3x3,stride=1,此時dilation=0的卷積情況: 下面是輸入爲7x7,卷積核爲3x3,stride=1,dilation=1時候的卷積情況 在這種情況下,卷積核的感受野由原來的3x3變成

原创 Pytorch報錯:'UserWarning: RNN module weights are not part of single contiguous chunk of memory....'

最近在跑代碼的時候遇到了一個問題,代碼裏的網絡有使用到RNN,錯誤信息如下: ‘UserWarning: RNN module weights are not part of single contiguous chunk of

原创 PyTorch中的nn.ModuleList和nn.Sequential

nn.Sequential nn.Sequential裏面的所構造的模塊是要按照順序進行排列的,必須確保前一個模塊的輸出大小和下一個模塊的輸入大小是一致的。 import torch import torch.nn as nn i

原创 Python for循環中enumerate()與zip()的用法

enumerate() 在for循環裏enumerate()函數是一個枚舉函數,用於將一個可遍歷的數據對象(如列表、元組或字符串)組合爲一個索引序列,同時列出數據和數據下標。 A = ['python','java','c++',

原创 pytorch 網絡中dilation=0和dilation=N (N=1,2,3,...)的區別

假設輸入爲4x4,卷積核爲3x3,stride=1,此時dilation=0的卷積情況: 下面是輸入爲7x7,卷積核爲3x3,stride=1,dilation=1時候的卷積情況 在這種情況下,卷積核的感受野由原來的3x3變成

原创 Python實現爲語音文件創建聲譜圖(包括窄帶聲譜和寬帶聲譜)

選題自(數字語音處理理論及應用) Python實現畫語音文件的聲譜圖代碼部分結果以及分析 參數選用: 窗函數:漢明窗 寬帶聲譜窗長:5ms 寬帶聲譜FFT長度:1024 窄帶聲譜窗長:50ms 窄帶聲譜FFT長度:1024 使用對

原创 Pytorch實現 分別使用AlexNet、VGG、NiN對LeNet網絡改進

Pytorch實現 分別使用AlexNet、VGG、NiN對LeNet網絡改進1.基於AlexNet結構改進LeNet2.基於VGG結構改進LeNet3.基於NiN結構改進LeNet 1.基於AlexNet結構改進LeNet A

原创 LeNet神經網絡 Pytorch實現 計算模型參數量 模型保存和加載

LeNet網絡模型結構: 在本次實驗中,使用的是fashionMNIST數據集,圖片大小爲28x28,所以這裏LeNet模型的輸入就是28x28。 代碼實現: import os import torch import torc