原创 深度學習--第14篇: Pytorch學習率調整策略

Pytorch學習率調整策略參考博客1. 背景知識1.1 Pytorch中的學習率調整2. pytorch學習率調整方法2.1 StepLR()2.2 MultiStepLR()2.3 ExponentialLR()2.4 Red

原创 深度學習--第12篇: Pytorch損失函數

Pytorch損失函數1. 損失函數概念2. 損失函數2.1 nn.CrossEntropyLoss2.2 nn.NLLLoss2.3 nn.BCELoss2.4 nn.BCEWithLogitsLoss2.5 其他損失函數 1

原创 深度學習--第10篇: Pytorch卷積層,池化層,線性層和激活函數層

Pytorch卷積層,池化層,線性層和激活函數層1. 卷積層 Conv Layer1.1 卷積 1d/2d/3d1.2 nn.Conv2d1.3 轉置卷積 nn.ConvTranspose2. 池化層 Pooling Layer2

原创 深度學習--第11篇: Pytorch權值初始化

Pytorch權值初始化參考博客背景知識1. 梯度消失和爆炸2. Xavier初始化2.1 Xavier均勻分佈初始化2.2 Xavier正態分佈初始化3. Kaiming初始化3.1 Kaiming正態分佈初始化3.2 Kaim

原创 深度學習--第9篇: Pytorch模型創建與nn.Module

Pytorch模型創建與nn.Module1. 模型創建步驟1.1 構建模型的兩要素2. nn.Module屬性2.1 torch.nn2.2 nn.Module3. 模型容器Containers3.1 nn.Sequential

原创 問題小記--第2篇: os常用模塊

os常用模塊1. 創建文件夾2. 目錄與路徑拼接3. 遍歷目錄與子文件4. 過濾序列後綴5. copy文件6. 數據分割實例 1. 創建文件夾 import os 1. 創建文件夾 os.makedirs(new_dir) 實

原创 深度學習--第8篇: Pytorch數據讀取DataLoader與Dataset

Pytorch數據讀取DataLoader與Dataset1. 數據模塊2. DataLoader2.1 Epoch、Iteration、Batchsize3. Dataset4. torchvision4.1 圖像預處理torc

原创 深度學習--第7篇: Pytorch自動求導與邏輯迴歸

Pytorch自動求導與邏輯迴歸1. 自動求導 torch.autograd1.1 torch.autograd.backward1.2 torch.aurograd.grad2. 邏輯迴歸(線性二分類模型)3. 機器學習模型訓練

原创 深度學習--第4篇: Pytorch張量介紹與創建

Pytorch張量介紹與創建1. 張量介紹2. 張量創建2.1 張量數據類型2.2 直接創建2.3 依據數值創建(形狀)2.3.1 torch.zeros()2.3.2 其他的張量創建函數 1. 張量介紹 張量是一個包含多個同類數

原创 問題小記--第1篇: pytorch中隨機初始化種子

隨機數種子manual_seed torch.manual_seed(seed) 用於設計初始化種子,保證每次隨機初始化數據時,得到的數據是相同的. 從下面的實例可以看出,隨機初始化種子相當於固定了隨機初始化的順序,保證每次隨

原创 深度學習--第6篇: Pytorch計算圖與動態圖機制

Pytorch計算圖與動態圖機制1. 計算圖1.2 計算圖實例2. 動態圖 1. 計算圖 通過計算圖的示意,我們很容易的可以理解模型參數訓練的過程,這個過程很像模型的前向傳播和方向傳播。節點表示數據, 邊表示運算. 葉子節

原创 深度學習--第5篇: Pytorch張量操作與線性迴歸

Pytorch張量操作與線性迴歸1. 張量操作1.1 張量拼接1.2 張量切分1.3 張量索引1.4 張量變換2. 張量運算3. 線性迴歸實例 1. 張量操作 dim : 表示張量的維度, 例如2維張量,dim=0或者1, 當

原创 深度學習--第3篇: Numpy

Numpy庫常用操作1. Numpy常用屬性2. 創建矩陣2.1 array創建矩陣2.1 獲取矩陣屬性2.2 創建矩陣關鍵字2.3 創建隨機矩陣2.4 改變矩陣形狀3. 矩陣的運算3.1 常規運算3.2 矩陣的乘法(點乘)3.3

原创 深度學習--第2篇: Anaconda+Pytorch(CPU版本)環境配置

Anaconda+Pytorch環境配置--CPU版本1. Anaconda下載安裝2. 安裝Pytorch2.1 創建虛擬環境2.2 激活虛擬環境2.3 安裝CPU版本2.4 測試安裝 1. Anaconda下載安裝 參考上一篇

原创 視覺SLAM筆記--第1篇: Ubuntu16.04搭建SLAM開發環境

ubuntu16.04搭建SLAM開發環境參考博客1. Eigen線性代數庫2. Opencv開源視覺庫3. Sophus李代數庫4. Ceres-Solver非線性優化庫5. g2o圖優化庫6. PCL點雲庫7. Pangoli