qq_33489955的博客

本文是在原本闯关训练的基础上总结得来，加入了自己的理解以及疑问解答（by GPT4）选定了模型框架后，需要对神经网络模型进行训练，主要有3个步骤：接下来详细介绍这3个步骤。构建模型结构，主要有神经网络结构设计、激活函数的选择、模型权重如何初始化、网络层是否批标准化、正则化策略的设定。由于在关卡四中介绍了神经网络结构设计和激活函数的选择，这里不过多介绍，下面简单介绍下权重初始化，批标准化和正则化策略。权重初始化权重参数初始化可以加速模型收敛速度，影响模型结果。常用的初始化方法有：批标准化batch n

假设选择的激活函数是Sigmoid函数，隐藏层和输出层的输出值为a ，则对于下图的三层DNN，利用和感知机一样的思路，我们可以利用上一层的输出计算下一层的输出，也就是所谓的DNN前向传播算法。填充，卷积核与图像尺寸不匹配，往往填充图像缺失区域，如果原始图片尺寸为5X5，卷积核的大小为3X3，如果不进行填充，步长为1的话，当卷积核沿着图片滑动后只能滑动出一个3X3的图片出来，这就造成了卷积后的图片和卷积前的图片尺寸不一致，这显然不是我们想要的结果，所以为了避免这种情况，需要先对原始图片做边界填充处理。

PyTorch是一个开源的Python机器学习库，应用于人工智能领域，如自然语言处理。它主要由Facebook的人工智能研究团队开发。

本文为自己在鲸训练营答题总结，作业练习都在和鲸社区数据分析协作平台 ModelWhale 上。在这里相关数据链接：https://pan.baidu.com/s/1iwE3LdRv3uAkGGI2fF9BjA?pwd=ro0v提取码：ro0v–来自百度网盘超级会员V4的分享。

本文为内部限免文章在本案例中，我将带大家探索一下深度学习在医学领域的应用–完成乳腺癌识别，我们的数据集是由多张组成。关于环境配置请看我之前缩写博客：https://blog.csdn.net/qq_33489955/article/details/132890434?数据集：链接：https://pan.baidu.com/s/1xkqsqsRRwlBOl5L9t_U0UA?pwd=vgqn提取码：vgqn–来自百度网盘超级会员V4的分享。

本文为内部限免文章参考本文所写记录性文章，请在文章开头注明以下内容，复制粘贴即可。

本文为内部限免文章。

本文为内部限免文章。

本文为内部限免文章参考本文所写记录性文章，请在文章开头注明以下内容，复制粘贴即可⬇️基础版模板⬇️。

现在，你应该已经在 Jupyter Notebook 中设置了一个专门的 PyTorch 环境。每次你想使用这个环境时，只需在 Notebook 中选择相应的内核即可。在已激活的环境中，根据你的 CUDA 版本和操作系统，使用适当的命令来安装 PyTorch。注意这里需要点击自定义安装，点击展开所有选项，如果出现新版本比当前版本低则取消打勾。我的cuda是12.0 发现最新的pytorch是11.8，选择最新的即可。选择 Python 3.8 作为该环境的版本，你也可以选择其他版本。你可以选择其他名称。