PyTorch. Освещая глубокое обучение
Қосымшада ыңғайлырақҚосымшаны жүктеуге арналған QRRuStore · Samsung Galaxy Store
Huawei AppGallery · Xiaomi GetApps

автордың кітабынан сөз тіркестері  PyTorch. Освещая глубокое обучение

Vlad
Vladдәйексөз келтірді4 күн бұрын
Что делать со столбцами, содержащими непрерывные, порядковые и категориальные данные
Комментарий жазу
Vlad
Vladдәйексөз келтірді4 күн бұрын
ще одна возможность: вычислить среднее значение и стандартное отклонение входных данных и масштабировать их так, чтобы у выходного сигнала было нулевое среднее значение и единичное стандартное отклонение по каждому каналу: # In[7]: n_channels = batch.shape[1] for c in range(n_channels): mean = torch.mean(batch[:, c]) std = torch.std(batch[:, c]) batch[:, c] = (batch[:, c] – mean) / std
Комментарий жазу
Vlad
Vladдәйексөз келтірді4 күн бұрын
Еще одна возможность: вычислить среднее значение и стандартное отклонение входных данных и масштабировать их так, чтобы у выходного сигнала было нулевое среднее значение и единичное стандартное отклонение по каждому каналу: # In[7]: n_channels = batch.shape[1] for c in range(n_channels): mean = torch.mean(batch[:, c]) std = torch.std(batch[:, c]) batch[:, c] = (batch[:, c] – mean) / std
Комментарий жазу
Vlad
Vladдәйексөз келтірді4 күн бұрын
Еще одна возможность: вычислить среднее значение и стандартное отклонение входных данных и масштабировать их так, чтобы у выходного сигнала было нулевое среднее значение и единичное стандартное отклонение по каждому каналу:
Комментарий жазу
инус или корень
Комментарий жазу
инус или кор
Комментарий жазу
Vlad
Vladдәйексөз келтірді1 апта бұрын
ервый набор нейронов, выходные сигналы которых будут поданы на вход следующ
Комментарий жазу
влад
владдәйексөз келтірді3 ай бұрын
С этой точки зрения глубокое обучение представляет собой создание системы, преобразующей данные из одного представления в другое
Комментарий жазу
Dmitrii
Dmitriiдәйексөз келтірді4 ай бұрын
Эта функция называется транслированием (broadcasting). batch_t формы (2, 3, 5, 5) умножается на unsqueezed_weights формы (3, 1, 1), в результате чего получается тензор формы (2, 3, 5, 5), в котором затем можно сложить третье измерение с конца (три канала): # In[5]: unsqueezed_weights = weights.unsqueeze(-1).unsqueeze_(-1) img_weights = (img_t * unsqueezed_weights) batch_weights = (batch_t * unsqueezed_weights) img_gray_weighted = img_weights.sum(-3) batch_gray_weighted = batch_weights.sum(-3) batch_weights.shape, batch_t.shape, unsqueezed_weights.shape # Out[5]: (torch.Size([2, 3, 5, 5]), torch.Size([2, 3, 5, 5]), torch.Size([3, 1, 1]))
Комментарий жазу
Dmitrii
Dmitriiдәйексөз келтірді4 ай бұрын
Иногда каналы RGB размещаются в измерении 0, а иногда — в измерении 1. Но обобщение можно производить путем отсчета с конца: они всегда расположены в измерении –3, третьем с конца. Вычисление невзвешенного среднего можно записать следующим образом:
Комментарий жазу