subtitle
Cha5-卷积神经网络-总结 Cha5-卷积神经网络-总结
一、本章涉及到的专业名词和概念卷积神经网络:含有卷积层的神经网络。互相关运算:二维卷积层:它有宽和高两个维度,常用来处理图像数据。将输入和卷积核做互相关运算,并加上一个标量偏差来得到输出。参数包括卷积核和标量偏差。卷积运算:二维卷积层互相关
Pytorch函数总结-模型相关函数 Pytorch函数总结-模型相关函数
名字 功能 参数 定义 备注1 备注2 nn.Linear 对于输入数据,做一个线性转换 “输入特征数目 输出特征数目 是否需要偏置” nn.Conv2d 对于输入数据,做2D的卷积运算 “in_channels 输
Pytorch函数总结-GPU相关函数 Pytorch函数总结-GPU相关函数
名字 功能 参数 定义 备注1 备注2 torch.cuda.is_available() 查看gpu是否可用 torch.cuda.device_count() gpu数量 torch.cuda.current_d
Pytorch函数总结-常用函数 Pytorch函数总结-常用函数
一、Pytorch函数总结 函数 功能 参数 定义 备注 示例 示例 torch.mul 对位相乘 两个矩阵 或者一个矩阵一个标量 torch.mul(input, other, *, out=None) → Tensor “
Cha4-深度学习计算-总结 Cha4-深度学习计算-总结
一、本章涉及到的专业名词和概念本章没有模型相关的概念,主要是pytorch相关的函数使用方法 二、模型构造的方法继承Module类来构造模型使用Sequential类来构造模型使用ModuleList类来构造模型使用ModuleDict类来
Cha3 深度学习基础-Pytorch 函数总结 Cha3 深度学习基础-Pytorch 函数总结
一、Pytorch函数总结 函数 功能 参数 定义 备注 示例 示例 torch.mul 对位相乘 两个矩阵 或者一个矩阵一个标量 torch.mul(input, other, *, out=None) → Tensor “
Cha3 深度学习基础-总结 Cha3 深度学习基础-总结
一. 本章涉及到的专业名词和概念(这些概念什么意思,是属于哪一级别的概念,属于哪方面的概念)概念级别: L0 原子概念:从面试角度看,不会再往下分了。 L1 基础概念:涉及到2个以上原子概念或者可以往下分析的 L2 综合概念:涉及到2个以
2 / 2