autograd 包是 PyTorch 中所有神经网络的核心。该 autograd 软件包为 Tensors 上的所有操作提供自动微分。背景神经网络（NN）是在某些输入数据上执行的嵌套函数的集合。 这些函数由参数（由权重和偏差组成）定义，这些参数在 PyTorch 中存储在张量中。训练 NN 分为两个步骤：正向传播：在正向传播中，NN 对正确的输出进行最佳猜测。 它通过其每个函数运行输入数据以进行...
Tensors (张量)创建几何代数中定义的张量是基于向量和矩阵的推广，我们可以将标量视为零阶张量，矢量视为一阶张量，那么矩阵就是二阶张量。在PyTorch中，张量Tensor是最基础的运算单位，与NumPy中的NDArray类似，张量表示的是一个多维矩阵。不同的是，PyTorch中的Tensor可以运行在GPU上，而NumPy的NDArray只能运行在CPU上。由于Tensor能在GPU上运行，...
PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序。2017年1月，由Facebook人工智能研究院（FAIR）基于Torch推出了PyTorch。它是一个基于Python的可续计算包，提供两个高级功能：1、具有强大的GPU加速的张量计算（如NumPy）。2、包含自动求导系统的深度神经网络。PyTorch 是基于以下两个目的而打造的python科学计算框架...
这篇教程我们来实现Kaiming He大神提出的ResNet网络，并在CIFAR-10数据及上进行测试，我的测试结果完全复现了论文中的精度。本文中的参数设置、数据增强等内容均遵循原文。网络搭建ResNet原文：Deep Residual Learning for Image Recognition这篇文章中提出了像下面这样的经典残差结构。后续Kaiming He又对这一结构进一步研究改进（Iden...
我们来搭建一个早期的经典网络VGG16，数据集采用稍复杂的Cifar-10。该数据集Tensorflow同样提供了官方的加载方式(train_images, train_labels, test_images, test_labels) = load_CIFAR('/home/user/Documents/dataset/Cifar-10') train_labels = t...
Tensorflow 2.0用keras搭建一个简单的卷积神经网络，数据集也采用最简单的手写字符MNIST。首先，MNIST数据集tensorflow自身提供了加载函数(train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.mnist.load_data()第一次运行时会自动下载到本地，如网络情况不好...
模型可以在训练期间和训练完成后进行保存。这意味着模型可以从任意中断中恢复，并避免耗费比较长的时间在训练上。保存也意味着您可以共享您的模型，而其他人可以通过您的模型来重新创建工作。在发布研究模型和技术时，大多数机器学习从业者分享：用于创建模型的代码模型训练的权重 (weight) 和参数 (parameters) 。共享数据有助于其他人了解模型的工作原理，并使用新数据自行尝试。注意：小心不受信任的代...
下载并安装 TensorFlow 2.0 软件包，将 Tensorflow 导入您的程序：from __future__ import absolute_import, division, print_function, unicode_literalsimport tensorflow as tffrom tensorflow.keras.layers import Dense, Flatten...
下载并安装 TensorFlow 2.0 框架包。将 TensorFlow 载入你的程序：from __future__ import absolute_import, division, print_function, unicode_literals# 安装 TensorFlowimport tensorflow as tf载入并准备好MNIST 数据集。将样本从整数转换为浮点数：mnist ...
一个神经网络结构通常包含输入层、隐藏层、输出层。输入层是我们的 features (特征)，输出层是我们的预测 (prediction)。神经网络的目的是拟合一个函数 f*：features -> prediction。在训练期间，通过减小 prediction 和实际 label 的差异的这种方式，来更改网络参数，使当前的网络能逼近于理想的函数 f*。神经元(Neural Cell)神经网...
您还未登录，请登录后再进行相关操作！
