博文

Pytorch 分类二维矩阵图像和一维向量的方法及常用函数总结

2020-10-23 14:42

（一）一维、二维常使用模块方法 二维学习中，主要使用的是： self.conv1 = nn.Conv2d(in_channels=1, out_channels=5, kernel_size=7, stride=2, padding=1) self.fc1 = nn.Linear(2432,512) F.max_pool2d(self.conv1(x), 2) 一维 self.conv1 = nn.Conv1d(in_channels=1, out_channels=5, kernel_size=7, s ...

个人分类: Pytorch|3614 次阅读|没有评论

PyTorch的Tensor详解创建以及nn.ReLU与F.ReLU的区别

2020-10-23 14:33

（一）PyTorch的Tensor（张量） 这一部分详细参考博客： PyTorch的Tensor（张量） 主要包括：Tensor与Variable与区别、张量的创建（张量的创建有三大方法，第一类是直接创建，第二类是依据数值创建，第三类是依据概率创建）。 （二）PyTorch之nn.ReLU与F.ReLU的 区 别 import torch.nn as nn im ...

个人分类: Pytorch|3283 次阅读|没有评论

log_softmax、softmax和的nll_loss、nn.CrossEntropy区别（Pytorch学习笔记）

2020-10-22 15:27

log_softmax 能够解决函数overflow和underflow，加快运算速度，提高数据稳定性。 使用log_softmax。 一方面是为了解决溢出的问题，第二个是方便CrossEntropyLoss的计算。不需要担心值域的变化。 如上图， 因为softmax会进行指数操作，当上一层的输出，也就是so ...

个人分类: Pytorch|6835 次阅读|没有评论

Matlab中计算函数运行时间的三种方法及判断新建文件夹

2020-10-22 14:24

（一）运行时间 1、tic和toc组合 　　计算daotic和toc之间那专段程序之间的属运行时间，它的经典格式为 ： 　　tic 　　函数 　　toc 　　复制函数代码，当代码遇到tic时Matlab自动开始计时，运行到toc时自动计算此时与最近一次tic之间的时间。 2、etime(t1,t2)并和clock配合 　　计算t1，t2之间的时 ...

个人分类: matlab|3360 次阅读|没有评论

Pytorch中nn.Conv1d、Conv2D与BatchNorm1d、BatchNorm2d函数

2020-10-22 10:23

此处mark一下图像处理中常见的Conv和BatchNorm操作，提供参考链接！！ （一）Conv1D和Conv2D实现 （1） pytorch之nn.Conv1d详解 （建议先看这个） （2）进一步查看此： PyTorch中的nn.Conv1d与nn.Conv2d （Pytorch库） &nbs ...

个人分类: Pytorch|15172 次阅读|没有评论

轻松理解局部连接和权值共享

2020-10-21 21:09

卷积神经网络两大核心思想： 1.网络局部连接（Local Connectivity） 2.卷积核参数共享（Parameter Sharing） 两者的一个关键作用就是减少参数数量，使运算变得简洁、高效，能够在超大规模数据集上运算。下面用图直观展示！！！ （1）权值共享 （2）局部连接 ...

个人分类: 机器学习|8921 次阅读|没有评论

[转载]深度学习中IU、IoU(Intersection over Union)的概念理解

2020-10-18 16:12

IoU(Intersection over Union) Intersection over Union是一种测量在特定数据集中检测相应物体准确度的一个标准。我们可以在很多物体检测挑战中，例如PASCAL VOC challenge中看多很多使用该标准的做法。 通常我们在 HOG + Linear SVM object detectors 和 Convolutional Neural Network detectors (R-CNN, Faster R-CNN, ...

个人分类: 机器学习|2725 次阅读|没有评论

深度学习中的logits

2020-10-18 15:40

（1）总结来说就是： f(wx+b)之后的输出，没有归一化的输出值，作为logits。 将logits进行softmax归一化，得到最后的结果。 （2）具体来说是： 也可以这么理解：logits与 softmax都属于在输出层的内容， logits = tf.matmul(X, W) + bias 再对logits做归一化处理，就用到了softmax： Y_pred = tf.nn.soft ...

个人分类: 机器学习|6988 次阅读|没有评论

本页有 2 篇博文因作者的隐私设置或未通过审核而隐藏