pytorch中最基本的数据处理
前言 本篇主要讲述的是主要通过pytorch来对数据进行处理
数组类1.张量表示一个数值组成的数组，这个数组可能有多个维度。 x = torch.arange(12)
将会有如下输出
2.可以通过张量的shape属性来访问张量的形状和张量中的元素个数 x.shapex.numel()
都能够表示出张量中含有多少个元素，只是shape是通过向量形式表示，numel直接通过数字显示
3.可以通过reshape来改变张量的形状，而不改变元素数量和数值。 x.reshape(3,4)
其中3代表行数，4代表列数
4.使用全0，全1，其他常量或者从特定分布中随机采样的数字 torch.zeros((2,3,4))torch.ones((2,3,4))
其中，第一个数字代表生成的张量数量，第二三个数代表张量生成的行和列
5.通过提供包含数值的Python列表（或嵌套列表）来为所需张量中的每个元素赋予初始值 torch.tensor([[2,1,3,4],[1,2,3,4],[4,3,2,1]])
生成一个二维的张量
6.常见的标准运算符都可以被 ...
关于经典的神经网络分析
前言 本篇文章主要对一些经典的神经网络进行分析。大致分为：AlexNet,ZFNet,VGG,GoogleNet和ResNet。当然，还存在着很多新类型的优秀的网络，但由于ResNet的视觉识别能力已经在ILSVRC(ImageNet大规模视觉识别挑战赛)当中超过了人类的识别能力，因此我们就先不再继续往下面分析。
AlexNetAlexNet的网络结构 AlexNet主要由8层全连接神经网络构成。包括5层卷积层和3层全连接层构成。
第一层卷积层 卷积层：输入图像尺寸为227×227×3大小，经过96个11×11×3的卷积核，padding=0，stride=4，输出尺寸为(227-11)/4+1=55，因此输出图像尺寸为55×55×96。 池化层：采用maxpooling的方式，其中池化核的大小为3×3，padding=0，stride=2，输出尺寸为(55-3)/2+1=27,因此输出图像尺寸为27×27×3。 NORM1：局部归一化层，其作用为：对局部神经元的活动创建竞争机制；响应比较大的值变得相对更大；抑制其他反馈较小的神经元；增强模型的泛化能力。(后来研究表明 ...
Hello World
Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hexo, you can find the answer in troubleshooting or you can ask me on GitHub.
Quick StartCreate a new post$ hexo new "My New Post"
More info: Writing
Run server$ hexo server
More info: Server
Generate static files$ hexo generate
More info: Generating
Deploy to remote sites$ hexo deploy
More info: Deployment