#
图片显示 pytorch 载入的数据集是元组tuple 形式，里面包括了数据及标签（train_data,label），其中的train_data数据可以转换为torch.Tensor形式，方便后面计
pytorch安装 注：在训练模型的时候，有时候可能需要不同版本的 torch和torchvision，所以需要配置不同的环境。anconda和pycharm自行安装，接下来在pycharm终端pi
import torch.nn.functional as F import torch.nn as nn F.upsample(input, size=None, scale_factor=None
PyTorch提供了ImageFolder的类来加载文件结构如下的图片数据集： root/dog/xxx.png root/dog/xxy.png root/dog/xxz.png root/c
最近pytorch出了visdom，也没有怎么去研究它，主要是觉得tensorboardX已经够用，而且用起来也十分的简单 pip install tensorboardX 然后在代码里导入 f
python代码 for i, para in enumerate(self._net.module.features.parameters()): if i < 16:
数据增强 卷积神经网络非常容易出现过拟合的问题，而数据增强的方法是对抗过拟合问题的一个重要方法。 2012 年 AlexNet 在 ImageNet 上大获全胜，图片增强方法功不可没，因为有了图片增强
背景 使用pytorch时，有一个yolov3的bug，我认为涉及到学习率的调整。收集到tencent yolov3和mxnet开源的yolov3，两个优化器中的学习率设置不一样，而且使用GPU数目和
本文摘自 《深度学习原理与PyTorch实战》 我们将从预测某地的共享单车数量这个实际问题出发，带领读者走进神经网络的殿堂，运用PyTorch动手搭建一个共享单车预测器，在实战过程中掌握神经元、神经网
神经网络只是由两个或多个线性网络层叠加，并不能学到新的东西，简单地堆叠网络层，不经过非线性激活函数激活，学到的仍然是线性关系。 但是加入激活函数可以学到非线性的关系，就具有更强的能力去进行特征提取。
