[PYTHON] [PyTorch] Exemple ⑧ ~ Comment créer un modèle complexe ~
Objectif
Jusqu'à ce tutoriel, nous avons construit la définition du modèle de réseau neuronal avec une séquence simple `` torch.nn.Sequential '' comme l'empilement de piles.
Cette méthode utilisant `` torch.nn.Sequential '' facilite la définition du modèle, mais elle ne peut créer qu'une simple structure de réseau.
Par exemple, `` torch.nn.Sequential '' ne vous permet pas de construire une structure de réseau ResNet.
(Credit:Deep Residual Learning for Image Recognition. Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun. arXiv:1512.03385 [cs.CV]
(or arXiv:1512.03385v1 [cs.CV] for this version) )
Dans ce didacticiel, PyTorch: modules nn personnalisés Je vais vous présenter comment construire un modèle de réseau neuronal plus complexe </ span> en référence à.
Pour obtenir des explications détaillées et du code, consultez «[PyTorch] Sample ⑧ ~ Comment construire un modèle complexe ~».
Didacticiel
- [PyTorch] Tutorial (version japonaise) ① ~ Tensol ~
- [PyTorch] Tutorial (version japonaise) ② ~ AUTOGRAD ~
- [PyTorch] Tutorial (version japonaise) ③ ~ NEURAL NETWORKS (Neural Network) ~
- [PyTorch] Tutorial (version japonaise) ④ ~ FORMATION D'UN CLASSIFIER (classification d'images) ~
échantillon
- [PyTorch] Sample ① ~ NUMPY ~
- [PyTorch] Exemple ② ~ TENSOR ~
- [PyTorch] Sample ③ ~ TENSORS AND AUTOGRAD ~
- [PyTorch] Sample ④ ~ Définition de nouvelles fonctions autograd ~
- [PyTorch] Exemple ⑤ ~ Graphiques statiques ~
- [PyTorch] Sample ⑥ ~ nn Package ~
- [PyTorch] Exemple ⑦ ~ package optim ~
- [PyTorch] Sample ⑧ ~ Comment construire un modèle complexe ~
- [PyTorch] Sample ⑨ ~ Dynamic Graph ~