原创 Pytorch系列：Pytorch的簡單操作(二) ---- 張量的創建
一、Tensor概念 張量是一個多維數組，它是標量、向量、矩陣的高維拓展。張量是三維及以上的數組。 標量：是一個常數，爲0維張量 向量：是一行或者一列數組成，爲1維張量 矩陣：包含行和列兩個維度。是2維張量。
2020-02-20 19:03:17
原创 Pytorch系列：Pytorch的簡單操作(一) ---- Pytorch的優勢機制
一、計算圖與動態機制 計算圖是一個表示運算的有向無環圖。如果學過圖論，應該對有向無環圖這個概念很熟悉。一個有向無環圖包含“結點”和“邊”。TensorFlow和PyTorch都用到計算圖。Pytorch中結點表示數
2020-02-20 19:03:17
原创 CNN模型之AlexNet
一、介紹 AlexNet是Alex Krizhevsky等人2012年提出。這個模型具有重大的意義，將ImageNet ILSVRC-2010競賽的120萬張圖片1000個類別。top-1錯誤率爲37.5%，top
2019-09-07 14:21:31
原创 周志華《機器學習》讀書筆記----第二章：模型評估與選擇
機器學習要做的工作可以這樣理解：給定一些數據，在數據上訓練模型，得到能解決我們實際問題的模型。在這個過程中，數據的處理，模型的選擇，模型的評估都需要花費一些時間來處理。這節內容就是模型的選擇與評估。 一、經驗誤差與
2019-09-07 14:21:31
原创 CNN模型之LeNet-5
一、介紹 卷積神經網絡是當前深度學習領域比較火的研究方法。其應用主要是在計算機視覺上。例如，圖像分類，目標檢測，人臉識別等等。並且已經在這些領域取得了相當大的成就。本文主要介紹卷積神經網絡的開篇之作：LeNet-5
2019-08-28 14:29:04
原创 AI聖經《深度學習》讀書筆記----第二章：線性代數
線性代數是數學的一個分支，應用於科學和工程中。線性代數主要是面向連續數學，而非離散數學。掌握好線性代數對於學習機器學習算法是必要的，尤其是深度學習算法。因此，本章學習必要的線性代數知識。 知識點一：標量、向量、
2019-08-25 14:31:35
原创 AI聖經《深度學習》讀書筆記----第一章：引言
這本書從我開始學習深度學習時，就買了這本書。但是，因爲自身知識儲備不夠，覺得這本書很難。多次想學習這本書，但是都失敗了。距離本次學習，已經時隔一年。希望這次能將這本書看完，學習書中的知識。並通過博客的方式，記錄自
2019-08-25 14:31:35
原创 Pytorch學習之torch----數學操作(一)
1. torch.abs(input, out=None) 說明：計算輸入張量的每個元素絕對值 參數： input(Tensor) -- 輸入張量 out(可選) -- 輸出 >>> import torch >>> torch.abs
2019-07-18 14:35:15
1
原创 Pytorch學習之torch----Reduction Ops
1. torch.cumprod(input, dim, out=None) 說明： 返回輸入沿指定維度的累積積。如果輸入是一個N元向量，則結果也是一個N元向量，第i個輸出元素值爲 yi=x1∗x2∗...∗xiy_{i} = x
2019-07-18 14:35:15
原创 Pytorch學習之torch----隨機抽樣、序列化、並行化
1. torch.manual_seed(seed) 說明：設置生成隨機數的種子，返回一個torch._C.Generator對象。使用隨機數種子之後，生成的隨機數是相同的。 參數： seed(int or long) -- 種子 >>
2019-07-18 14:35:15
27
原创 Pytorch學習之torch----比較操作(Comparison Ops)
1. torch.eq(input, other, out=None) 說明： 比較元素是否相等，第二個參數可以是一個數，或者是第一個參數同類型形狀的張量 參數： input(Tensor) ---- 待比較張量 other(T
2019-07-18 14:35:15
原创 Pytorch學習之torch----索引、切片、連接、變異操作
1. torch.cat(seq, dim=0, out=None) 說明：在給定維度上對輸入的張量序列seq進行連接操作 參數： seq(Tensor的序列) -- 可以是相同類型的Tensor的任何Python序列 dim(int,
2019-06-25 14:26:59
5
原创 Pytorch學習之torch----創建操作
1. torch.eye(n, m=None, out=None) 說明：創建一個2維張量，對角線數字爲1， 其他位置爲0。也就是一個單位矩陣。 參數： n -- 行數， m -- 列數，如果爲None，默認等於n， out -- 輸出張
2019-06-24 14:22:26
1
原创 生成對抗網絡(十)----------infoGAN
一、infoGAN介紹 infoGAN採用的是無監督式學習的方式並嘗試實現可解釋特徵。原始數據不包含任何標籤信息，所有的特徵都是通過網絡以一種非監督的方式自動學習得到的。使用了信息論的原理，通過最大化輸入噪聲和觀察值之間的互信息來對網絡模
2019-06-10 15:02:51
8
原创 生成對抗網絡(七)----------SGAN
一、SGAN介紹 SGAN來源於這篇論文：《Semi-Supervised Learning with Generative Adversarial Networks》 傳統的機器學習分爲監督式學習和無監督式學習。前者的數據是有標籤的，後
2019-06-10 15:02:51