深度學(xué)習(xí)案例教程 課件4.3用PyTorch實現(xiàn)卷積計算_第1頁
深度學(xué)習(xí)案例教程 課件4.3用PyTorch實現(xiàn)卷積計算_第2頁
深度學(xué)習(xí)案例教程 課件4.3用PyTorch實現(xiàn)卷積計算_第3頁
深度學(xué)習(xí)案例教程 課件4.3用PyTorch實現(xiàn)卷積計算_第4頁
深度學(xué)習(xí)案例教程 課件4.3用PyTorch實現(xiàn)卷積計算_第5頁
全文預(yù)覽已結(jié)束

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

第三節(jié)用PyTorch實現(xiàn)卷積計算實現(xiàn)卷積計算第三節(jié)用PyTorch實現(xiàn)卷積計算CNN中各層間傳遞的數(shù)據(jù)是4維數(shù)據(jù)。所謂4維數(shù)據(jù),比如數(shù)據(jù)的形狀是(10,1,28,28),則它對應(yīng)10個高為28、長為28、通道為1的數(shù)據(jù)。用Python來實現(xiàn)的話,代碼如下:x=np.random.rand(10,1,28,28)#隨機生成數(shù)據(jù)。這里,如果要訪問第1個數(shù)據(jù),只要寫x[0]就可以了(注意Python的索引是從0開始的)。同樣地,用x[1]可以訪問第2個數(shù)據(jù)。代碼如下:x[0].shape#(1,28,28)x[1].shape#(1,28,28)如果要訪問第1個數(shù)據(jù)的第1個通道的空間數(shù)據(jù),代碼如下:x[0,0]#或者x[0][0]準備數(shù)據(jù)卷積層的實現(xiàn)im2col函數(shù)作為黑盒(不關(guān)心內(nèi)部實現(xiàn))使用,使用im2col來實現(xiàn)卷積層的前向傳播。卷積神層的實現(xiàn)

col2im函數(shù)作為黑盒(不關(guān)心內(nèi)部實現(xiàn))使用,使用col2來實現(xiàn)卷積層的反向傳播。defbackward(self,dout):FN,C,FH,FW=self.W.shapedout=dout.transpose(0,2,3,1).reshape(-1,FN)

self.db=np.sum(dout,axis=0)self.dW=np.dot(self.col.T,dout)self.dW=self.dW.transpose(1,0).reshape(FN,C,FH,FW)

dcol=np.dot(dout,self.col_W.T)dx=col2im(dcol,self.x.shape,FH,FW,self.stride,self.pad)

returndx池

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論