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()
和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()
和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