-
1
查看全部 -
pytorch中的state_dict
查看全部 -
pytorch模型的存儲(chǔ)與讀取
查看全部 -
計(jì)算準(zhǔn)確率
查看全部 -
如果準(zhǔn)確度不再下降,甚至上升,則模型可能過(guò)度擬合了
查看全部 -
加載私人數(shù)據(jù)集
查看全部 -
加載私人數(shù)據(jù)集
查看全部 -
訓(xùn)練數(shù)據(jù)不夠時(shí),可旋轉(zhuǎn)、偏轉(zhuǎn)數(shù)據(jù)造數(shù)據(jù)
查看全部 -
數(shù)據(jù)集CIFAR10
查看全部 -
數(shù)據(jù)加載與歸一
查看全部 -
數(shù)據(jù)加載
查看全部 -
過(guò)度擬合:訓(xùn)練的很好,但測(cè)試準(zhǔn)確率很差,訓(xùn)練的越好,準(zhǔn)確率越低,則存在過(guò)度擬合,需停止訓(xùn)練
查看全部 -
損失函數(shù)
查看全部 -
autograd包可完成自動(dòng)梯度計(jì)算和反向傳遞功能
查看全部 -
mark2
查看全部 -
mark1
查看全部 -
神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程
查看全部 -
打印梯度
查看全部 -
Autograd包
查看全部 -
正向傳遞與反向傳遞
查看全部 -
神經(jīng)元
查看全部 -
AlexNet模型
查看全部 -
神經(jīng)網(wǎng)絡(luò)
查看全部 -
向量、矩陣、張量是不同維度的數(shù)據(jù)表達(dá)
查看全部 -
數(shù)據(jù)結(jié)構(gòu)
查看全部 -
驗(yàn)證安裝
查看全部 -
PyTorch的state_dict
查看全部
舉報(bào)