中山中小型网站,euorg免费域名怎么注册,九江新闻,石家庄网站开发哪家好系列文章目录
pytorch学习1-数据加载以及Tensorboard可视化工具pytorch学习2-Transforms主要方法使用pytorch学习3-torchvisin和Dataloader的使用pytorch学习4-简易卷积实现pytorch学习5-最大池化层的使用pytorch学习6-非线性变换#xff08;ReLU和sigmoid#xff09;pytorc…系列文章目录
pytorch学习1-数据加载以及Tensorboard可视化工具pytorch学习2-Transforms主要方法使用pytorch学习3-torchvisin和Dataloader的使用pytorch学习4-简易卷积实现pytorch学习5-最大池化层的使用pytorch学习6-非线性变换ReLU和sigmoidpytorch学习7-序列模型搭建pytorch学习8-损失函数与反向传播pytorch学习9-优化器学习pytorch学习10-网络模型的保存和加载pytorch学习11-完整的模型训练过程 文章目录 系列文章目录一、非线性变换ReLU和sigmoid总结 一、非线性变换ReLU和sigmoid
import torch
import torchvision.datasets
from torch import nn
from torch.nn import ReLU, Sigmoid
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriterinputtorch.tensor([[1,-0.5],[-1,3]
])
outputtorch.reshape(input,(-1,1,2,2))
print(output.shape)datasettorchvision.datasets.CIFAR10(./data6,trainFalse,transformtorchvision.transforms.ToTensor(),downloadTrue)
dataloaderDataLoader(dataset,batch_size64)
class Mynn(nn.Module):def __init__(self):super(Mynn,self).__init__()self.relu1ReLU()#使用ReLU激活函数,inplace参数代表是不是覆盖原始数据,默认为Falseself.sigmoidSigmoid()##使用sigmoid激活函数# def forward(self,input):# outputself.relu1(input)# return outputdef forward(self,input):outputself.sigmoid(input)return output
mynnMynn()
writerSummaryWriter(logs6)
step0
for data in dataloader:#dataloader的每一批次既包含图像又包含标签所以要他们分出来单独处理imgs,taigetdatawriter.add_images(我是输入,imgs,step)outputmynn(imgs)writer.add_images(我是输出,output,step)step1
writer.close()总结
以上就是今天要讲的内容非线性变换ReLU和sigmoid
