-
1查看全部 -
pytorch中的state_dict
查看全部 -
pytorch模型的存儲與讀取
查看全部 -
計算準確率
查看全部 -
如果準確度不再下降，甚至上升，則模型可能過度擬合了
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 -
訓練數(shù)據(jù)不夠時，可旋轉、偏轉數(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 -
過度擬合：訓練的很好，但測試準確率很差，訓練的越好，準確率越低，則存在過度擬合，需停止訓練
查看全部 -
損失函數(shù)
查看全部 -
autograd包可完成自動梯度計算和反向傳遞功能
查看全部 -
mark2
查看全部 -
mark1
查看全部 -
神經(jīng)網(wǎng)絡的訓練過程
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
查看全部 -
向量、矩陣、張量是不同維度的數(shù)據(jù)表達
查看全部 -
數(shù)據(jù)結構
查看全部 -
驗證安裝
查看全部 -
PyTorch的state_dict
查看全部
舉報
0/150
提交
取消
