一、Padding Layers简介
-
nn.ZeroPad2d：在输入的tensor数据类型周围用0进行填充
-
nn.ConstantPad2d：在输入的tensor数据类型周围用常数进行填充
这个函数的主要作用是对输入的图像进行填充，但里面所有功能都能用nn.Conv2d实现。
二、Non-linear Activations
非线性激活主要作用是为神经网络引入一些非线性特质
1. nn.ReLU介绍
class torch.nn.ReLU(inplace=False)
作用：
-
\(input\leq{0}\)，\(output=0\)
-
\(input>0\)，\(output=input\)
计算公式：
\[ReLU(x)=(x)^+=max(0,x) \]
inplace参数：
-
inplace=True，则会自动替换输入时的变量参数。如：input=-1，ReLU(input,implace=True)，那么输出后，input=output=0
-
inplace=True，则不替换输入时的变量参数。如：input=-1，ReLU(input,implace=True)，那么输出后，input=-1，output=0
2. nn.Sigmoid介绍
class torch.nn.Sigmoid(*args, **kwargs)
计算公式：
\[Sigmiod(x)=\sigma(x)=\frac{1}{1+exp(-x)} \]
三、代码栗子
1. nn.ReLU函数
import torch
import torchvision
from torch import nn
from torch.nn import ReLU,Sigmoid
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter
input=torch.tensor([[1,-0.5],
[-1,3]])
output=torch.reshape(input,(-1,1,2,2))
#构建神经网络
class Demo(nn.Module):
def __init__(self):
super(Demo,self).__init__()
self.relu1=ReLU()
def forward(self,input):
output=self.relu1(input)
return output
demo=Demo()
output=demo(input)
print(output)
"""
[Run]
tensor([[1., 0.],
[0., 3.]])
"""
2. nn.Sigmoid函数
import torch
import torchvision
from torch import nn
from torch.nn import ReLU,Sigmoid
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter
dataset=torchvision.datasets.CIFAR10("./dataset",train=False,download=True,transform=torchvision.transforms.ToTensor())
dataloder=DataLoader(dataset,batch_size=64)
class Demo1(nn.Module):
def __init__(self):
super(Demo1,self).__init__()
self.sigmoid=Sigmoid()
def forward(self,input):
output=self.sigmoid(input)
return output
demo1=Demo1()
writer=SummaryWriter("logs_sigmoid")
step=0
for data in dataloder:
imgs,targets=data
writer.add_images("input",imgs,global_step=step)
output=demo1(imgs)
writer.add_images("output",output,global_step=step)
step+=1
writer.close()
输出结果：
3. 非线性变换的目的
-
非线性变换的目的是为神经网络引入一些非线性特征，使其训练出一些符合各种曲线或各种特征的模型。
-
换句话来说，如果模型都是直线特征的话，它的泛化能力会不够好。
最后的最后
感谢你们的阅读和喜欢，我收藏了很多技术干货，可以共享给喜欢我文章的朋友们，如果你肯花时间沉下心去学习，它们一定能帮到你。
因为这个行业不同于其他行业，知识体系实在是过于庞大，知识更新也非常快。作为一个普通人，无法全部学完，所以我们在提升技术的时候，首先需要明确一个目标，然后制定好完整的计划，同时找到好的学习方法，这样才能更快的提升自己。
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
一、全套AGI大模型学习路线
AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！
二、640套AI大模型报告合集
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
四、AI大模型商业化落地方案
五、面试资料
我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下。
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
