srcmini
PyTorch数据扩充流程实例图解
以前, 我们看到模型准确性有了显着提高。我们的模型已经过有效训练, 可以对训练数据进行分类。验证数据不能很好地推广解决过度捕捞问题。现在, 让我们讨论另一种改善模型训练过程的技术。此技术称为数据增强。这是我们为模型创建新数据以在训练过程中使...
深度学习 第31页
PyTorch进阶开发：神经网络架构（实例图解）
通过将两个线性模型与一些方程, 权重, 偏差和S形函数相结合, 我们发现了一个非线性模型。让我们开始更好的说明, 并了解神经网络和深度神经网络的体系结构。 让我们看一个例子, 以更好地理解和说明。 假设有一个线性模型, 其线表示为-4...
PyTorch实战：卷积神经网络的实现
我们使用了深度神经网络对无尽的数据集进行分类, 结果发现它无法最好地对数据进行分类。当使用深度神经网络时, 模型的准确性不足, 模型可以改进。借助卷积神经网络将实现这一改进。让我们开始实现用于图像识别的卷积神经网络。 有以下步骤来实现CNN...
PyTorch高级开发：卷积神经网络（图解分析）
本文概述 卷积层 大步前进 填充 池化层 全连接层 卷积神经网络是神经网络中进行图像分类和图像识别的主要类别之一。场景标记, 物体检测和面部识别等是卷积神经网络广泛使用的一些领域。 CNN将图像作为输入, 将其分类并按特定类别(例如狗, 猫...
PyTorch中样式转移的图像加载和转换
本文概述 图片载入 图像转换 绘制图像 导入所有必需的库并将VGG-19添加到我们的设备后, 我们必须将图像加载到要申请样式转移的内存中。我们有一个内容图像, 样式图像和目标图像将是这两个图像的组合。并非每个图像都需要具有相同的大小或像素。...
PyTorch CIFAR-10和CIFAR-100数据集
在上一主题中, 我们学习了如何使用无限数据集来识别数字图像。由于它的简单性, 无穷数据集是深度学习的入门数据集。无休止的数据集是深度学习的世界。 CIFAR 10(加拿大高级研究所)将更难以分类, 并且将带来我们需要克服的新障碍。它是图像的...
强化学习导论
本文概述 目录 基本概念和术语 强化学习的工作原理 一个简单的实现 总结 参考文献 目录 什么是强化学习？ 强化学习与其他 强化学习的直觉 基本概念和术语 强化学习的工作原理 简单实施 总结 参考和链接 什么是强化学习？ 形式上的强化学习是...
Matplotlib中的直方图
介绍 根据维基百科, 直方图是数字数据分布的精确图形表示。它是对连续变量(定量变量)的概率分布的估计, 最早由Karl Pearson提出。它是条形图的一种。要构建直方图, 第一步是将值范围” range”(即将值的...
Pandas移动平均线
本文概述 介绍 总结 介绍 移动平均值(也称为滚动平均值或移动平均值)用于通过计算完整数据集不同子集的平均值来分析时间序列数据。由于它涉及对一段时间内的数据集取平均值, 因此也称为移动平均值(MM)或滚动平均值。 滚动平均的计算方法有很多种...
将数据导入Pandas
本文概述 介绍 加载HTML数据 加载Pickle数据 总结 介绍 导入数据是任何与数据相关的问题中最重要的步骤之一。对于每个有抱负的数据科学家来说, 正确导入数据的能力是一项必备技能。 数据以许多不同的形式存在, 不仅你应该知道如何导入各...