2023.5.6 《动手学深度学习》第34章

Posted MoiSheldon

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了2023.5.6 《动手学深度学习》第34章相关的知识,希望对你有一定的参考价值。

今天继续学习《动手学习深度学习》第5章:深度学习计算、第6章:卷积神经网络,今天学到的内容主要有这两章的概念。以及实现LeNet对FashionMNIST进行分类。

一、理论部分:

1、概念解释:
  • 1×1卷积的作用:卷积通常用于识别相邻元素间相互作用的能力,但1×1卷积不具备该能力,其主要用于调整输出的通道数量,以控制模型的复杂性。
  • pooling层的作用:降低卷积层对位置的敏感性,同时降低对空间降采样的敏感性。常用 max pooling 和 average pooling。

二、模块和函数

1、pytorch 模块
  • torch.tensor()torch.Tensor()
    torch.tensor()根据输入数据的类型生成 tensor,例如输入是 int,那么生成的 tensor 也是 int 类型,而torch.Tensor()默认生成 float32 类型的 tensor。此外,torch.tensor()生成的 tensor 有可能与输入共享内存(may return a view of the input data if possible),而torch.Tensor()永远生成新的 tensor。

三、涨知识

  • model.eval()model.train()
    model.eval()将模型设置为测试状态,model.train()将模型设置为训练状态。因为模型在训练阶段的某些操作,如dropout、batch normalization等,在测试阶段都是不需要的。并且,测试状态还可以ensure that the model performs consistently during inference, and that the results are reliable and repeatable. 注意,在训练阶段要把模型置为训练状态。

跟李沐导师:动手学深度学习!

 Datawhale学习 

预告:三月学习计划,内容:深度学习入门

二月学习需求收集

李沐动手学深度学习热度排名第二。根据读者的学习建议,Datawhale团队联系了李沐老师,将组织动手学深度学习课程的学习。

关于动手学深度学习

《动手学深度学习》这本书由李沐等人主导编写,介绍了深度学习从模型构造到模型训练的方方面面,以及在计算机视觉和自然语言处理中的应用。

它最大的特色在于,不仅阐述了算法原理,还提供了实际可运行的代码。

更令人暖心的是,这本书不要求读者有任何深度学习或者机器学习的背景知识,书中会从头开始解释每一个概念。读者只需了解基础的数学和编程,如基础的线性代数、微分和概率,以及基础的Python编程,就可以愉快地开始啃这本书了。

目前已经上线了最新PyTorch版本。

提前进群学习


关注公众号,回复 “三月” 进学习群

以上是关于2023.5.6 《动手学深度学习》第34章的主要内容,如果未能解决你的问题,请参考以下文章

动手学深度学习——线性代数的实现

深度强化学习动手,第 7 章。无法让 tensorflow 工作

跟李沐导师:动手学深度学习!

《动手学深度学习》小记

动手学深度学习第一课:从上手到多类分类-Autograd

03 安装 动手学深度学习 v2将远端机器端口映射到本地端口