欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

人工智能學習PyTorch實現(xiàn)CNN卷積層及nn.Module類示例分析

 更新時間:2021年11月11日 15:16:09   作者:Swayzzu  
這篇文章主要為大家介紹了人工智能學習PyTorch實現(xiàn)CNN卷積層及nn.Module類示例分析,有需要的朋友可以借鑒參考下,希望能夠有所幫助

1.CNN卷積層

通過nn.Conv2d可以設(shè)置卷積層,當然也有1d和3d。

卷積層設(shè)置完畢,將設(shè)置好的輸入數(shù)據(jù),傳給layer(),即可完成一次前向運算。也可以傳給layer.forward,但不推薦。

2. 池化層

池化層的核大小一般是2*2,有2種方式:

maxpooling:選擇數(shù)據(jù)中最大值輸出

avgpooling:計算數(shù)據(jù)的均值并輸出

通過這一層可以實現(xiàn)降采樣。

3.數(shù)據(jù)批量標準化

Batch Normalize,在計算過程中,通常輸入的數(shù)據(jù)都是0-255的像素數(shù)據(jù),不方便計算,因此可以通過nn.BatchNorm1d方法進行標準化。

標準化后,可以通過running_mean, running_var獲取全局的均值和方差。

4.nn.Module類

①各類函數(shù)

Linear, ReLU, Sigmoid, Conv2d, Dropout等等

②容器功能

我們可以直接在定義自己的層的時候,把所有我們需要用到的層及相關(guān)函數(shù)放進去。使用的時候直接調(diào)用即可。

③參數(shù)管理

在這個類中可以直接生成我們需要的參數(shù),并且自動帶上梯度的需求。

④調(diào)用GPU

⑤存儲和加載

訓練過程中可以根據(jù)需求,比如訓練到某一個點的時候達到了最優(yōu),可以將其存儲。

⑥訓練、測試狀態(tài)切換

直接調(diào)用根節(jié)點的train, eval就可以切換。

⑦ 創(chuàng)建自己的層

還有其他功能,但現(xiàn)在還不理解,因此先不往上寫了。

5.數(shù)據(jù)增強

數(shù)據(jù)增強主要用在我們數(shù)據(jù)不夠用的時候,對原來的數(shù)據(jù)進行調(diào)整,從而生成新的數(shù)據(jù)。比如一張圖片,我們可以對其進行翻轉(zhuǎn)、旋轉(zhuǎn)、大小調(diào)整、切割等操作 。導入數(shù)據(jù)的時候即可進行,具體實現(xiàn)方式如下。

以上就是人工智能學習PyTorch實現(xiàn)CNN卷積層及nn.Module類示例分析的詳細內(nèi)容,更多關(guān)于PyTorch中CNN及nn.Module的資料請關(guān)注腳本之家其它相關(guān)文章!

相關(guān)文章

最新評論