Pytorch教程

白天 夜间 首页 下载 阅读记录
  我的书签   添加书签   移除书签

第四节：神经网络的补充实验

浏览 110 扫码 分享 2022-07-22 04:57:10
  • 神经网络实验代码
  • 使用模拟超参数测试
  • 加快数据加载
  • 在GPU上进行训练
  • 数据正则化

若有收获，就点个赞吧

0 人点赞

上一篇:
下一篇:
  • 书签
  • 添加书签 移除书签
  • 前言
  • 第一章：张量(tensor)及其操作
    • 第一节：PyTorch介绍
      • 相关前置内容
      • PyTorch介绍
      • PyTorch的安装
      • 为什么深度学习要使用GPU
    • 第二节：张量(tensor)介绍
      • 张量的介绍
      • 张量的rank、axes、shape介绍
      • CNNs和Feature Maps
    • 第三节：PyTorch中的张量
      • PyTorch的张量介绍
      • 在PyTorch中创建张量
    • 第四节：张量操作
      • flatten、reshape和squeeze介绍
      • CNN中flatten操作的可视化
      • 张量广播和对位相乘(element-wise)
      • Argmax和Reduction操作
  • 第二章：训练神经网络
    • 第一节：数据及其处理
      • 数据的重要性
      • 提取(extract)、变换(transform)、加载(load)
      • PyTorch的Datasets和DataLoaders
    • 第二节：神经网络及使用PyTroch设计网络
      • 使用PyTorch搭建CNN
      • CNN中的各层
      • CNN中的权重
      • 可调用的神经网络模块
      • CNN中的前向计算方法
      • 前向传播解释
      • 批操作(batch)
      • CNN输出尺寸计算
    • 第三节：训练神经网络
      • CNN训练
      • CNN迭代训练
      • 创建混淆矩阵
      • Stack和Concat
      • 使用TensorBoard
      • 超参数调整实验
    • 第四节：神经网络的补充实验
      • 神经网络实验代码
      • 使用模拟超参数测试
      • 加快数据加载
      • 在GPU上进行训练
      • 数据正则化
暂无相关搜索结果！

    让时间为你证明

    展开/收起文章目录

    分享，让知识传承更久远

    文章二维码

    手机扫一扫，轻松掌上读

    文档下载

    请下载您需要的格式的文档，随时随地，享受汲取知识的乐趣！
    PDF文档 EPUB文档 MOBI文档

    书签列表

      阅读记录

      阅读进度: 0.00% ( 0/0 ) 重置阅读进度
        思维导图备注