莫煩Pytorch學習筆記

學習筆記整理連接

莫煩Pytorch的github代碼

CNN章節：

• 講解CNN的時候padding的值等於 (kernel_size-1)/2
• 還有每一個層的參數的shape計算很重要
• 還有卷積核的作用(過濾信息)
• 池化層的作用降維並且抓住主要特徵（爲什麼要用池化，池化mean和max方法的不同）
• padding的作用見https://blog.csdn.net/ningyanggege/article/details/87454694（莫煩講的作用是否正確？）

RNN章節:

• input_size,hidden_size,num_layers這三個參數詳解見https://blog.csdn.net/lwgkzl/article/details/88717678
• RNN做迴歸和RNN做分類的不同見：

 for time_step in range(r_out.size(1)):    # calculate output for each time step
            outs.append(self.out(r_out[:, time_step, :]))
        return torch.stack(outs, dim=1), h_state

 

out = self.out(r_out[:, -1, :])

• 分類是選取RNN的最後一個節點的輸出，迴歸是concatRNN的所有節點的輸出（其實分類也可以選擇節點的所有輸出）
• forward(self, x, h_state) 中RNN迴歸比RNN分類多一個h_state，RNN迴歸的batch之間有連續性，所以要傳遞h_state