PyTorch 深度学习（GPT 重译）（四）(1)
第二部分：从现实世界的图像中学习：肺癌的早期检测 第 2 部分的结构与第 1 部分不同；它几乎是一本书中的一本书。我们将以几章的篇幅深入探讨一个单一用例，从第 1 部分学到的基本构建模块开始，构建一个比我们迄今为止看到的更完整的项目。我们的第一次尝试将是不完整和不准确的，我们将探讨如何诊断这些问题，...
PyTorch 深度学习（GPT 重译）（三）(4)
PyTorch 深度学习（GPT 重译）（三）(3)https://developer.aliyun.com/article/1485215 8.3.2 PyTorch 如何跟踪参数和子模块 有趣的是，在nn.Module中的属性中分配一个nn.Module实例，就像我们在早期的构造函数中所做的那样...
PyTorch 深度学习（GPT 重译）（三）(3)
PyTorch 深度学习（GPT 重译）（三）(2)https://developer.aliyun.com/article/1485214在每个内部迭代中，imgs是一个大小为 64 × 3 × 32 × 32 的张量–也就是说，64 个（32 × 32）RGB 图像的小批量–而la...
PyTorch 深度学习（GPT 重译）（二）(3)
PyTorch 深度学习（GPT 重译）（二）(2)https://developer.aliyun.com/article/1485204 5.3.1 从问题返回到 PyTorch 我们已经找到了模型和损失函数–我们已经在图 5.2 的高层图片中找到了一个很好的部分。现在我们需要启动学习过程并提供...
PyTorch 深度学习（GPT 重译）（二）(2)
PyTorch 深度学习（GPT 重译）（二）(1)https://developer.aliyun.com/article/1485203 4.4 处理时间序列 在前一节中，我们讨论了如何表示组织在平面表中的数据。正如我们所指出的，表中的每一行都是独立的；它们的顺序并不重要。或者等效地，没有列编码...
PyTorch 深度学习（GPT 重译）（二）(1)
四、使用张量表示真实世界数据 本章内容包括 将现实世界的数据表示为 PyTorch 张量 处理各种数据类型 从文件加载数据 将数据转换为张量 塑造张量，使其可以作为神经网络模型的输入 在上一章中，我们了解到张量是 PyTorch 中数据的构建块。神经网络将张量作为输入，并产生张量作为输出。事实上，神...
PyTorch 深度学习（GPT 重译）（一）(3)
PyTorch 深度学习（GPT 重译）（一）(2)https://developer.aliyun.com/article/1485199 3.2 张量：多维数组 我们已经学到了张量是 PyTorch 中的基本数据结构。张量是一个数组：即，一种数据结构，用于存储一组可以通过索引单独访问的数字，并且...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。