学习笔记5-知识点【卷积计算,dim,超参数,torch.zeros,gamma,beta,eps,assert,优化器,groups,// 和/,reshape,isinstance,hasattr
1.python 运行程序出现:“Caught IndexError in DataLoader worker process 0”
解决方法:可能是多进程的原因。查看代码,找到超参数部分,修改num_workers=0即可。
2.卷积神经网络(卷积层,激活函数Relu,池化层,计算公式及API解释)
这位博主介绍的很详细,传送门
3.dim、keepdim
dim (int) – 缩减的维度,dim=0是对0维度上的一个向量求范数(范数定义:每个向量的长度或大小),返回结果数量等于其列的个数,也就是说有多少个0维度的向量, 将得到多少个范数。
keepdim(bool)– 保持输出的维度 。当keepdim=False时,输出比输入少一个维度(就是指定的dim求范数的维度)。
例子在:传送门
4.opt和args是谁的缩写
都指代超参数,不同代码称呼不一样,因此不是固定的。
opt = parser.parse_args()
args = parser.parse_args() #1.引用超参数 args.
5.torch.zeros用法
举例:
>>> torch.zeros(2, 3)
tensor([[ 0., 0., 0.],[ 0., 0., 0.]])
6.gamma校正
gamma校正包括:归一化、预补偿、反归一化。
这篇把gamma校正原理解释的很完美传送门
7.beta分布概率密度函数
我理解的beta是,其获取bn分支偏移量,并且beta分布具有多样性。
beta = branch.bn.bias
如果想了解更多,大家可以去看这篇博客。传送门
8.eps是什么?
eps 定义:机器的浮点运算误差限
直接举例:如果我们计算出的数介于这两者之间,系统就会自动把它舍入到离他最近的数。如1+eps3/5≈1+eps;1+eps2/5≈1;1+eps/2≈1;
9.assert函数
assert就是一个断言函数。类似与break。
举例:
assert 1==1 # 条件为 true 正常执行
assert 1==2 # 条件为 false 触发异常
10.优化器
Momentum优化算法:使用梯度的移动指数加权平均,一般取0.9.
RMSProp优化算法:使用微分平方加权平均数。
Adam优化算法:使用类似于物理中的动量来累积梯度。
具体内容见:传送门
11.python中group和groups函数的区别
group:获取取得的字符串整体。
groups:深度可分卷积计算。
groups的具体内容见:传送门
12.Python3中// 和/区别
" / "表示浮点数除法,返回浮点float结果;
" // “表示整数除法,返回一个不大于” / "计算结果的最大整数int。
13.numpy.reshape(-1,1)含义
reshape(m,-1)即行数固定,列数需要计算,reshape(-1, m) 即列数固定,行数需要计算;
具体举例见:传送门
14.isinstance()函数
用于检查对象是否为指定类的实例,举例:rv是不是str的类型,是为TRUE;
if isinstance(rv, str): #isinstance()函数用于检查对象是否为指定类的实例,rv是不是str的类型,是为TRUEy = xelse:y = _reconstruct(x, memo, *rv)
15.hasattr(object, name)函数
如果对象有该属性返回 True,否则返回 False。举例:
if hasattr(module, 'switch_to_deploy'):module.switch_to_deploy()
学习笔记5-知识点【卷积计算,dim,超参数,torch.zeros,gamma,beta,eps,assert,优化器,groups,// 和/,reshape,isinstance,hasattr相关推荐
- 大数据 -- kafka学习笔记:知识点整理(部分转载)
一 为什么需要消息系统 1.解耦 允许你独立的扩展或修改两边的处理过程,只要确保它们遵守同样的接口约束. 2.冗余 消息队列把数据进行持久化直到它们已经被完全处理,通过这一方式规避了数据丢失风险.许多 ...
- 深度学习笔记其五:卷积神经网络和PYTORCH
深度学习笔记其五:卷积神经网络和PYTORCH 1. 从全连接层到卷积 1.1 不变性 1.2 多层感知机的限制 1.2.1 平移不变性 1.2.2 局部性 1.3 卷积 1.4 "沃尔多在 ...
- Python学习笔记:利用timeit计算函数调用耗时
Python学习笔记:利用timeit计算函数调用耗时 一.timeit模块简介 Timer对象包含两个参数:第一个参数是你想要计时的Python语句,第二个参数运行一次来建立测试. 默认情况time ...
- 数学/数论专题-学习笔记:狄利克雷卷积
数学/数论专题-学习笔记:狄利克雷卷积 1. 前言 2. 一些基础函数 3. 积性函数 4. 狄利克雷卷积 5. 总结 6. 参考资料 1. 前言 狄利克雷卷积,是学习与继续探究 μ\muμ 函数和 ...
- [python教程入门学习]python学习笔记(CMD执行文件并传入参数)
本文章向大家介绍python学习笔记(CMD执行文件并传入参数),主要包括python学习笔记(CMD执行文件并传入参数)使用实例.应用技巧.基本知识点总结和需要注意事项,具有一定的参考价值,需要的朋 ...
- 深度学习 | MATLAB实现CNN卷积神经网络结构及参数概述
深度学习 | MATLAB实现CNN卷积神经网络结构及参数概述 目录 深度学习 | MATLAB实现CNN卷积神经网络结构及参数概述 基本介绍 模型描述 训练过程 计算函数 参考资料 基本介绍 卷积神 ...
- PyTorch学习笔记(六)——Sequential类、参数管理与GPU
系列文章\text{\bf 系列文章}系列文章 PyTorch学习笔记(一)--Tensor的基础语法 PyTorch学习笔记(二)--自动微分 PyTorch学习笔记(三)--Dataset和Dat ...
- UE4 Material 101学习笔记——01-07 介绍/PBR基础/UV扭曲/数据类型/翻页动画/材质混合/性能优化
UE4 Material 101学习笔记--01-07 介绍/PBR基础/UV扭曲/数据类型/翻页动画/材质混合/性能优化 Lec 01 什么是着色器 What Is A Shader? 1.1 介绍 ...
- ROS学习笔记六:理解ROS服务和参数
ROS学习笔记六:理解ROS服务和参数 主要介绍ROS服务和参数,同时使用命令行工具rosservice和rosparam. ROS service service是节点之间互相通信的另一种方式,se ...
- 吴恩达深度学习笔记10-Course4-Week1【卷积神经网络】
卷积神经网络(Convolutional Neural Networks) 一.计算机视觉(Computer Vision) 计算机视觉处理的输入都是图片.当图片尺寸比较小时,可以采用深度神经网络的结 ...
最新文章
- chatbot:基于 AIML 的 PHP 聊天机器人
- Oracle新建用户赋只读某几张表的权限
- Web Service 附件技术的发展及演变
- 聚焦实战,架构升级!
- Azkaban-solo模式-安装
- 深度学习之卷积神经网络(3)卷积层实现
- android 自定义view滚动条,Android自定义View实现等级滑动条的实例
- django实现上传文件并保存
- es6,es7,es8语法总结
- 获得邮件列表失败_邮件经常失败回弹很糟心?一定要知道这几个小知识
- Rational Rose2003安装
- 百度网盘加速教程(绝对有效)
- 项目经验介绍的STAR法则--面试
- m3u8\ts片段文件解密合成转换
- java满天星星代码_java实现满天星swingawt
- 运行剑灵与服务器断开,剑灵手游程序错误 和服务器断开解决方法
- dll占的究竟是谁的空间?——浅谈Windows内存机制
- 哪位知道基带怎么修复?
- Java代码审计--checklist
- 南京工业大学python期末_南京工业大学燃爆期末复习总结
热门文章
- python小游戏经典猫和老鼠
- 数据分享|人口空间分布
- 《ASP.NET程序设计教程》目录
- 必看~与众不同、通俗易懂的lol版Java学习路线图
- 开发用于互操作性的应用程序_云标准:确保云应用互操作性的工具
- Module3:Alice in Wonderland
- java中集合什么时候有索引,JavaSE中Collection集合框架學習筆記(1)——具有索引的List...
- 拟瞰回顾2022,努力攀登,矢志奋斗!
- 登陆qq出现计算机丢失msvcp140.dll,缺少msvcp140.dll怎么办?msvcp140.dll丢失解决方法...
- 阿里云大佬叮嘱我务必要科普这个 Elasticsearch API