注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. PyTorch 模型训练实用教程

  2. 本教程内容主要为在 PyTorch 中训练一个模型所可能涉及到的方法及函 数， 并且对 PyTorch 提供的数据增强方法（22 个）、权值初始化方法（10 个）、损失函数（17 个）、优化器（6 个）及 tensorboardX 的方法（13 个） 进行了详细介绍，本教程分为四章， 结构与机器学习三大部分一致。 第一章， 介绍数据的划分，预处理，数据增强； 第二章， 介绍模型的定义，权值初始化，模型 Finetune； 第三章， 介绍各种损失函数及优化器； 第四章， 介绍可视化工具，用于监控数

  3. 所属分类：机器学习

    • 发布日期：2019-03-03
    • 文件大小：4194304
    • 提供者：qq_29893385

  1. Pytorch 的损失函数Loss function使用详解

  2. 今天小编就为大家分享一篇Pytorch 的损失函数Loss function使用详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：169984
    • 提供者：weixin_38535364

  1. pytorch 实现cross entropy损失函数计算方式

  2. 今天小编就为大家分享一篇pytorch 实现cross entropy损失函数计算方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：36864
    • 提供者：weixin_38643141

  1. Pytorch十九种损失函数的使用详解

  2. 主要介绍了Pytorch十九种损失函数的使用详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

  3. 所属分类：其它

    • 发布日期：2020-09-16
    • 文件大小：100352
    • 提供者：weixin_38729269

  1. Pytorch损失函数nn.NLLLoss2d()用法说明

  2. 主要介绍了Pytorch损失函数nn.NLLLoss2d()用法说明，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-16
    • 文件大小：98304
    • 提供者：weixin_38601499

  1. Pytorch 中retain_graph的用法详解

  2. 用法分析 在查看SRGAN源码时有如下损失函数，其中设置了retain_graph=True,其作用是什么？ ############################ # (1) Update D network: maximize D(x)-1-D(G(z)) ########################### real_img = Variable(target) if torch.cuda.is_available(): real_i

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：75776
    • 提供者：weixin_38705530

  1. pytorch 实现cross entropy损失函数计算方式

  2. 均方损失函数： 这里 loss, x, y 的维度是一样的，可以是向量或者矩阵，i 是下标。 很多的 loss 函数都有 size_average 和 reduce 两个布尔类型的参数。因为一般损失函数都是直接计算 batch 的数据，因此返回的 loss 结果都是维度为 (batch_size, ) 的向量。 (1)如果 reduce = False，那么 size_average 参数失效，直接返回向量形式的 loss (2)如果 reduce = True，那么 loss 返回的是标量

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：38912
    • 提供者：weixin_38523251

  1. Pytorch中torch.nn的损失函数

  2. 目录 前言 一、torch.nn.BCELoss(weight=None, size_average=True) 二、nn.BCEWithLogitsLoss(weight=None, size_average=True) 三、torch.nn.MultiLabelSoftMarginLoss(weight=None, size_average=True) 四、总结 前言 最近使用Pytorch做多标签分类任务，遇到了一些损失函数的问题，因为经常会忘记（好记性不如烂笔头囧rz），都是现学现用，所

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：73728
    • 提供者：weixin_38747144

  1. Pytorch中torch.nn的损失函数

  2. 目录 前言 一、torch.nn.BCELoss(weight=None, size_average=True) 二、nn.BCEWithLogitsLoss(weight=None, size_average=True) 三、torch.nn.MultiLabelSoftMarginLoss(weight=None, size_average=True) 四、总结 前言 最近使用Pytorch做多标签分类任务，遇到了一些损失函数的问题，因为经常会忘记（好记性不如烂笔头囧rz），都是现学现用，所

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：73728
    • 提供者：weixin_38543950

  1. Pytorch中torch.nn的损失函数

  2. 目录 前言 一、torch.nn.BCELoss(weight=None, size_average=True) 二、nn.BCEWithLogitsLoss(weight=None, size_average=True) 三、torch.nn.MultiLabelSoftMarginLoss(weight=None, size_average=True) 四、总结 前言 最近使用Pytorch做多标签分类任务，遇到了一些损失函数的问题，因为经常会忘记（好记性不如烂笔头囧rz），都是现学现用，所

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：73728
    • 提供者：weixin_38588854

  1. Pytorch中torch.nn的损失函数

  2. 目录 前言 一、torch.nn.BCELoss(weight=None, size_average=True) 二、nn.BCEWithLogitsLoss(weight=None, size_average=True) 三、torch.nn.MultiLabelSoftMarginLoss(weight=None, size_average=True) 四、总结 前言 最近使用Pytorch做多标签分类任务，遇到了一些损失函数的问题，因为经常会忘记（好记性不如烂笔头囧rz），都是现学现用，所

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：73728
    • 提供者：weixin_38741195

  1. Pytorch中torch.nn的损失函数

  2. 目录 前言 一、torch.nn.BCELoss(weight=None, size_average=True) 二、nn.BCEWithLogitsLoss(weight=None, size_average=True) 三、torch.nn.MultiLabelSoftMarginLoss(weight=None, size_average=True) 四、总结 前言 最近使用Pytorch做多标签分类任务，遇到了一些损失函数的问题，因为经常会忘记（好记性不如烂笔头囧rz），都是现学现用，所

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：73728
    • 提供者：weixin_38735182

  1. Pytorch专题实战——线性回归(Linear Regression)

  2. 文章目录1.计算流程2.Pytorch搭建线性回归模型2.1.导入必要模块2.2.构造训练数据2.3.测试数据及输入输出神经元个数2.4.搭建模型并实例化2.5.训练 1.计算流程 1)设计模型： Design model (input, output, forward pass with different layers) 2) 构建损失函数与优化器：Construct loss and optimizer 3) 循环：Training loop - Forward = co

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：381952
    • 提供者：weixin_38631389

  1. Pytorch十九种损失函数的使用详解

  2. 损失函数通过torch.nn包实现， 1 基本用法 criterion = LossCriterion() #构造函数有自己的参数 loss = criterion(x, y) #调用标准时也有参数 2 损失函数 2-1 L1范数损失 L1Loss 计算 output 和 target 之差的绝对值。 torch.nn.L1Loss(reduction='mean') 参数： reduction-三个值，none: 不使用约简；mean:返回loss和的平均值； sum:返回loss的和。默

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：95232
    • 提供者：weixin_38665944

  1. 浅谈pytorch池化maxpool2D注意事项

  2. 注意： 在搭建网络的时候用carpool2D的时候，让高度和宽度方向不同池化时， 用如下： nn.MaxPool2d(kernel_size=2, stride=(2, 1), padding=(0, 1)) 千万不要用： nn.MaxPool2d(kernel_size=2, stride=(2, 1), padding=(0, 0))， 这样在用交叉熵做损失函数的时候，有时候会出现loss为nan的情况，检查的时候发现，某些样本的提取出来的feature全为nan。 以上这篇浅谈pyto

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：34816
    • 提供者：weixin_38608688

  1. 【Pytorch】BCELoss和BCEWithLogitsLoss损失函数详解

  2. 在Pytorch中，BCELoss和BCEWithLogitsLoss是一组常用的二元交叉熵损失函数，常用于二分类问题，其区别在于前者的输入为已进行sigmoid处理过的值，而后者为sigmoid函数11+exp⁡(−x)\frac{1}{1+\exp(-x)}1+exp(−x)1​中的xxx。 下面为一个简单的示例： import torch import torch.nn as nn predicts = torch.tensor([[0.4,0.7,1.2,0.3], [1.1,0.6,0

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：36864
    • 提供者：weixin_38513794

  1. 【PyTorch学习笔记1】MNIST手写数字识别之MLP实现

  2. 在本笔记中，我们将以多层感知机（multilayer perceptron，MLP）为例，介绍多层神经网络的相关概念，并将其运用到最基础的MNIST数据集分类任务中，同时展示相关代码。本笔记主要从下面四个方面展开： 文章目录1 多层感知机(MLP)理论知识1.1 隐藏层1.2 激活函数1.3 多层感知机1.4 交叉熵(cross entropy)损失函数2. MNIST数据集简介3. 代码详解及结果展示4. 心得体会 1 多层感知机(MLP)理论知识 1.1 隐藏层 多层感知机在单层神经网络

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：263168
    • 提供者：weixin_38545485

  1. pytorch学习2

  2. 1、过拟合和欠拟合 训练误差和泛化误差在解释上述现象之前，我们需要区分训练误差（training error）和泛化误差（generalization error）。通俗来讲，前者指模型在训练数据集上表现出的误差，后者指模型在任意一个测试数据样本上表现出的误差的期望，并常常通过测试数据集上的误差来近似。计算训练误差和泛化误差可以使用之前介绍过的损失函数，例如线性回归用到的平方损失函数和softmax回归用到的交叉熵损失函数。机器学习模型应关注降低泛化误差。K折交叉验证由于验证数据集不参与模型训练

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：1048576
    • 提供者：weixin_38679839

  1. PoissonLikelihoodLoss_pytorch：这是用于NM图像重建的Poisson似然损失函数的PyTorch实现-源码

  2. 泊松似然损失函数 这是用于NM图像重建的Poisson似然损失函数的PyTorch实现[1]。 ，其中n是箱数，g bar表示平均值（目标），g是观察值。 [1] Bruyant，PP（2002年）。 SPECT中的解析和迭代重建算法。 核医学杂志，43（10），1343–1358。

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：18432
    • 提供者：weixin_42126865

  1. Pytorch 的损失函数Loss function使用详解

  2. 1.损失函数 损失函数，又叫目标函数，是编译一个神经网络模型必须的两个要素之一。另一个必不可少的要素是优化器。 损失函数是指用于计算标签值和预测值之间差异的函数，在机器学习过程中，有多种损失函数可供选择，典型的有距离向量，绝对值向量等。 损失Loss必须是标量，因为向量无法比较大小（向量本身需要通过范数等标量来比较）。 损失函数一般分为4种，平方损失函数，对数损失函数，HingeLoss 0-1 损失函数，绝对值损失函数。 我们先定义两个二维数组，然后用不同的损失函数计算其损失值。 impor

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：171008
    • 提供者：weixin_38552292
« 12 3 4 »