主要內(nèi)容 包含題目： 鏈表基礎(chǔ)知識(shí)： 上頁(yè)的答案： 題目 例1 鏈表逆序 206 easy 方法一 就地逆置法 方法二 頭插法 兩種方法的比較 例2 鏈表中間段逆序 92 m...
發(fā)簡(jiǎn)信
IP屬地：四川
-
-
-
pytorch【迭代訓(xùn)練模塊之可視化】三、TensorBoard使用（二）（代碼見lesson-22） 一、add_image 和 make_grid 這個(gè)函數(shù)可以可視化圖像。 注意尺度，如果輸入的像素值全都是0-1，那么會(huì)乘255再顯示。如果輸入...
-
pytorch【迭代訓(xùn)練模塊之可視化】二、TensorBoard使用（一）（代碼見lesson-21） 1、SummaryWriter 2、add_scalar和add_histogram
-
pytorch【迭代訓(xùn)練模塊之可視化】一、TensorBoard可視化（代碼見lesson-20） 一、TensorBoard簡(jiǎn)介 安裝tensorboard后，用網(wǎng)頁(yè)打開會(huì)是一片空白，看了這個(gè)老哥說(shuō)的解決辦法 ，把tensorboard的版本...
-
pytorch【優(yōu)化器模塊】三、學(xué)習(xí)率調(diào)整策略（代碼見lesson-19） 一、為什么要調(diào)整學(xué)習(xí)率 二、學(xué)習(xí)率調(diào)整的六種策略 六種策略都是繼承于同一個(gè)基類 可以對(duì)不同的參數(shù)組設(shè)置不同的調(diào)整方法。（用于fine tuning）
-
pytorch【優(yōu)化器模塊】二、優(yōu)化器之二一、learning rete 學(xué)習(xí)率 損失沒(méi)有減小，反而在增大 二、Momentum動(dòng)量 momentum一般設(shè)置為0.9 三、SGD優(yōu)化器
-
pytorch【損失函數(shù)模塊】二、損失函數(shù)之二（代碼見lesson-16） 5、nn.L1Loss和6、nn.MSELoss 7、SmoothL1Loss 8、PoissonNLLLoss 9、nn.KLDivLoss ...
-
pytorch【損失函數(shù)模塊】一、損失函數(shù)之一一、什么是損失函數(shù) 1.nn.CrossEntropyLoss（非真正交叉熵?fù)p失） 2.nn.NLLLoss（只是求了一個(gè)負(fù)） 3.nn.BCELoss（真正的交叉熵?fù)p失） ...
-
-
pytorch【模型模塊】四、nn網(wǎng)絡(luò)層：池化層-線性層-激活函數(shù)層一、池化層 最大值池化和平均池化（池化可用于冗余信息的剔除，以及減少計(jì)算量） 1、最大池化nn.MaxPool2d 用于記錄最大值像素所在位置的索引，在最大值反池化上采樣的時(shí)...
-
pytorch【模型模塊】三、卷積層一、1維、2維、3維卷積 （代碼見lesson-12） 1、總述 2、二維卷積nn.Conv2d padding主要是可以保持輸出的大小。 空洞卷積用于圖像分割任務(wù)，用于提升...
-
pytorch【模型模塊】二、模型容器與AlexNet構(gòu)建一、模型容器——containers ModuleList可以讓網(wǎng)絡(luò)層像list那樣迭代，ModuleDict可以給每個(gè)網(wǎng)絡(luò)層命名并索引。 1.容器之sequential （...
-
pytorch【模型模塊】一、模型創(chuàng)建步驟與nn.Module一、前言 機(jī)器學(xué)習(xí)模型主要有以下幾個(gè)大的模塊： 前面的內(nèi)容是關(guān)于數(shù)據(jù)模塊，這里的內(nèi)容是關(guān)于模型模塊。 二、模型創(chuàng)建步驟 LeNet由各層組成，一個(gè)LeNet是一個(gè)nn.Mod...
-
pytorch 圖像預(yù)處理 transforms數(shù)據(jù)增強(qiáng)方法（二）一、transforms圖像變換 1.transforms圖像變換之pad 2.transforms圖像變換之colorjitter 3,4: transforms圖像變換之...
-
pytorch 圖像預(yù)處理 transforms圖像增強(qiáng)方法（一）一、數(shù)據(jù)增強(qiáng)總述 二、數(shù)據(jù)增強(qiáng)——crop裁剪 expand：上圖中，左邊的圖是expand為false，右邊的圖是expand為true。 默認(rèn)是中心旋轉(zhuǎn)，center為0...