- 2023-09-17《动手学深度学习 Pytorch版》 6.4 多输入多输出通道
importtorchfromd2limporttorchasd2l6.4.1多输入通道简言之,多通道即为单通道之推广,各参数对上即可。defcorr2d_multi_in(X,K):#先遍历“X”和“K”的第0个维度(通道维度),再把它们加在一起returnsum(d2l.corr2d(x,k)forx,kinzip(X,K))X=torch.t
- 2023-09-16《动手学深度学习 Pytorch版》 6.2 图像卷积
importtorchfromtorchimportnnfromd2limporttorchasd2l6.2.1互相关计算X=torch.tensor([[0.0,1.0,2.0],[3.0,4.0,5.0],[6.0,7.0,8.0]])K=torch.tensor([[0.0,1.0],[2.0,3.0]])此处应为:012345678*0123=
- 2023-08-06多输入多输出通道——pytorch版
importtorchfromd2limporttorchasd2lfromtorchimportnn#多输入通道互相关运算defcorr2d_multi_in(x,k):#zip对每个通道配对,返回一个可迭代对象,其中每个元素是一个(x,k)元组,表示一个输入通道和一个卷积核#再做互相关运算returnsum(d2l.corr2d
- 2023-08-01深度学习-->卷积神经网络
二维卷积层: frommxnetimportautograd,ndfrommxnet.gluonimportnn#定义函数corr2d,用于实现二维卷积操作defcorr2d(x,k):#获取卷积核的高度和宽度h,w=k.shape#初始化输出y,其形状为(x.shape[0]-h+1,x.shape[1]-w+1)y=nd.ze