AI 助理
备案控制台
文章 2024-06-13 来自：开发者社区

【从零开始学习深度学习】29.卷积神经网络之GoogLeNet模型介绍及用Pytorch实现GoogLeNet模型【含完整代码】

GoogLeNet网络架构于2014年由Google团队提出，并且在2014年的ImageNet图像识别挑战赛中大放异彩 。GoogLeNet吸收了NiN中网络串联网络的思想，并在此基础上做了很大改进。在随后几年GoogLeNet经历了从v1、v2、v3、v4几个版本的改进过程。本文主要介绍最基础的GoogLeNet v1网络架构。 1. Inception 块的基础结构 **G...

【从零开始学习深度学习】29.卷积神经网络之GoogLeNet模型介绍及用Pytorch实现GoogLeNet模型【含完整代码】
文章 2024-06-13 来自：开发者社区

【从零开始学习深度学习】28.卷积神经网络之NiN模型介绍及其Pytorch实现【含完整代码】

前几篇文章介绍的LeNet、AlexNet和VGG在设计上的共同之处是：先以由卷积层构成的模块充分抽取空间特征，再以由全连接层构成的模块来输出分类结果。其中，AlexNet和VGG对LeNet的改进主要在于如何对这两个模块加宽（增加通道数）和加深。本文我们介绍网络中的网络（NiN）。它提出了另外一个思路，即串联多个由卷积层和“全连接”层构成的小网络来构建一个深层网络。 1. N...

【从零开始学习深度学习】28.卷积神经网络之NiN模型介绍及其Pytorch实现【含完整代码】
文章 2024-06-13 来自：开发者社区

【从零开始学习深度学习】27.卷积神经网络之VGG11模型介绍及其Pytorch实现【含完整代码】

AlexNet在LeNet的基础上增加了3个卷积层。但AlexNet对卷积窗口、输出通道数和构造顺序均做了大量的调整。虽然AlexNet模型表明深度卷积神经网络可以取得出色的结果，但并没有提供相应规则以指导后来的研究者如何设计新的网络。我们将在后续介绍几种不同的深度网络设计思路。 本文将介绍VGG网络模型，VGG主要思路是通过重复使用简单的基础块来构建深度模型。 1. VGG块介...

【从零开始学习深度学习】27.卷积神经网络之VGG11模型介绍及其Pytorch实现【含完整代码】
文章 2024-06-13 来自：开发者社区

【从零开始学习深度学习】26.卷积神经网络之AlexNet模型介绍及其Pytorch实现【含完整代码】

上一篇文章中我们了解到神经网络可以直接基于图像的原始像素进行分类，这种称为端到端（end-to-end）的方法可以节省很多中间步骤。但在1989年LeNet模型提出之后，神经网络在很长一段时间都没有长足的发展，主要有以下几个原因： 1.训练数据的缺失 包含许多特征的深度模型需要大量的有标签的数据才能表现得比其他经典方法更好。限于早期计算机有限的存储和90年代有限的研究预算，大部...

【从零开始学习深度学习】26.卷积神经网络之AlexNet模型介绍及其Pytorch实现【含完整代码】
文章 2024-06-13 来自：开发者社区

【从零开始学习深度学习】25.卷积神经网络之LeNet模型介绍及其Pytorch实现【含完整代码】

之前我们对Fashion-MNIST数据集中的图像进行分类时，是将28*28图像中的像素逐行展开，得到长度为784的向量，并输入进全连接层中进行计算，这种分类方法有一定的局限性。 图像在同一列邻近的像素在这个向量中可能相距较远。它们构成的模式可能难以被模型识别。 对于大尺寸的输入图像，使用全连接层容易造成模型过大。假设输入是高和宽均为1000像素的彩色照片（含3个通...

【从零开始学习深度学习】25.卷积神经网络之LeNet模型介绍及其Pytorch实现【含完整代码】
阿里云文档 2024-06-06

如何快速使用C++程序来EAIS推理PyTorch模型？

您可以在ECS实例（非GPU实例）上绑定一个弹性加速计算实例EAIS（EAIS可以为ECS实例提供GPU资源），即可生成一款新规格的GPU实例。相比直接购买GPU实例，使用该方式可以为您灵活提供GPU资源并有效节省成本。如果您初次使用EAIS，可以通过本文内容体验在ECS实例上使用EAIS通过C++程序推理PyTorch模型并获得性能加速的完整使用流程，帮助您快速上手EAIS。

阿里云文档 2024-02-27

使用PAI Python SDK训练和部署PyTorch模型

PAI Python SDK是PAI提供的Python SDK，提供了更易用的HighLevel API，支持用户在PAI完成模型的训练和部署。本文档介绍如何使用PAI Python SDK在PAI完成一个PyTorch模型的训练和部署。

文章 2024-01-27 来自：开发者社区

使用Transformer 模型进行时间序列预测的Pytorch代码示例

数据集 这里我们直接使用kaggle中的 Store Sales — Time Series Forecasting作为数据。这个比赛需要预测54家商店中各种产品系列未来16天的销售情况，总共创建1782个时间序列。数据从2013年1月1日至2017年8月15日，目标是预测接下来16天的销售情况。虽然为了简洁起见，我们做了简化处理，作为模型的输入包含20列中的3,029,400条数据，。每行的.....

使用Transformer 模型进行时间序列预测的Pytorch代码示例
文章 2023-10-19 来自：开发者社区

LSTM-CRF模型详解和Pytorch代码实现

本文中crf的实现并不是最有效的实现，也缺乏批处理功能，但是它相对容易阅读和理解，因为本文的目的是让我们了解crf的内部工作，所以它非常适合我们。 发射和转换分数 在序列标记问题中，我们处理输入数据元素的序列，例如句子中的单词，其中每个元素对应于一个特定的标签或类别。目标是为每个单独的元素正确地分配适当的标签。在CRF-LSTM模型中，可以确定两个关键组成部分:发射和跃迁概率。我们实际上将处...

LSTM-CRF模型详解和Pytorch代码实现
阿里云文档 2023-09-26

如何使用Python脚本通过EAIS（内置AIACC-Training 2.0加速库）训练PyTorch模型？_弹性加速计算实例(EAIS)

EAIS实例成功绑定至ECS实例后，您需要远程登录该ECS实例，然后使用EAIS实例进行AI训练。本文为您介绍使用Python脚本通过EAIS实例（内置AIACC-Training 2.0加速库）训练PyTorch模型的具体操作。

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。

pytorch模型相关内容

pytorch更多模型相关

pytorch您可能感兴趣

相关镜像