5ha的个人空间

一、前言​ 学习RNN开始真的尤其不好理解时间步、数据格式等等，因为传统的BP和CNN可以根据图直观理解，比如下面的BP ​ 或者CNN中的卷积层，池化层，全连接层可以用图绘制出来再空间上理解，一层层的叠加，在写代码的时候就按照图搭积木一样，但是RNN因为是序列展开，所以开始有点难理解，输入数据也变的难以理解，但RNN这块的数据都如下图： 二、普通RNN：2.1 网络结构： ​ 关键理解按照时间这种序列的形式展开，MLP还是原来的MLP只不过给他按照时间展开就成为一个循环，也就是隐状态不断地循环更新，所以也叫循环神经网络 ​ pytorch中RNN模块的输出，output是h_t，每个时刻的容器装在一起，而h_n 是最后一个时刻state,这里跟李沐老师从零开始实现RNN中的output不一样，因为是自己实现的，所以那里的output是真输出的容器，即y = relu(h * w_hq + b_q)的容器，所以使用nn.RNN时需要自己添加一个输出层 ​ 而且如果是多层的隐藏层，output里面装的只是最上面一层的ht。 三、GRU:3.1 门...

一、前置基础：深度学习这块，改来改去就是数据和model在改，数据进行一些处理后放进原模型中效果更好则就是idea，或者数据不动，改动模型的一些小结构效果更好又是一个idea，从cifar10分类任务引入卷积神经网络，首先回顾一下卷积神经网络中一些基础的概念。 1.1 感受野：指在输入图像上，某层的一个神经元能看到或相应区域大小，换句话说就是在网络最初输入上看到的像素大小。 1.2 作用：感受野越大，在输入层上看到的区域就越大，可以捕捉到更多的全局特征，也就进而会影响到卷积层或者整个网络的设计架构。 1.3 卷积层(Convolutional Layer)：卷积到底起到什么作用：卷积操作就是用一个可移动的小窗口来提取图像中的特征，这个操作可以捕捉到图像中的局部特征而不受其位置的影响 但更清楚的说明是理解为用一个更小的窗口(特征)，或者说我我们需要的结果这个作为过滤器，挨个滑动去匹配，滑动的每个位置都会计算出一个值，最终匹配程度最高的地方计算出的置同样也会最高，这样也就提取出特征了，而不会受到位置的影响 所以，我觉得就能理解为什么卷积核的英文名是filter，过滤器；再举个我觉得比...

对于pytorch这种框架的学习，初学时不要死扣原理！！！要先会用，回过头来结合深度学习理论再弄懂框架封装的算子/方法的作用 一、Tensorboard作用：可视化工具 1.1导入方式12import torch.utils.tensorboardfrom torch.utils.tensorboard import SummaryWriter # 用来输出 1.2 logs文件打开方式1tensorboard --logdir=事件文件名 --port=6007(指定端口) 1.3 安装OpenCV2（超级快)12#安装opencv指令pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn opencv-python 1.4 SummaryWriter输出12writer = SummaryWriter("logs") # 创建logs，输出的日志文件文件夹writer.add_image(tag, tensor, st...

1. 环境管理1234567891011# 创建并激活环境conda create -n py_stu python=3.9 # -n 后是环境名称conda activate py_stu # 激活py_stu这个环境conda deactivate # 退回到base# 删除环境conda env remove -n py_stu# 查看已有环境conda info -econda env list 2. 环境信息123456789101112131415161718192021# 查看 conda 版本conda --version# 查看 Python 版本（当前环境）python --version# 查看 conda 配置信息conda info# 设置国内镜像源（加速下载，以清华源为例）conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.tuna.tsingh...