降维是在我们处理包含过多特征数据的大型数据集时使用的，提高计算速度，减少模型大小，并以更好的方式将巨大的数据集可视化。这种方法的目的是保留最重要的数据，同时删除大部分的特征数据。 在这个教程中，我们将简要地学习如何用Python中的稀疏和 ...

在MNIST上进行训练，可以说是计算机视觉里的“Hello World”任务了。 而如果使用PyTorch的标准代码训练CNN，一般需要3分钟左右。 但现在，在一台笔记本电脑上就能将时间缩短200多倍。 速度直达0.76秒！ 那么，到底是如何仅在一次epoch的训练中就达到99%的准确率的呢？

本示例工程中我们会在 TensorFlow2 下使用 Keras API 创建一个自定义 CNN 网络，在 Vitis-AI 1.3 环境下编译成 Xilinx DPU 上运行的模型文件，并在 Xilinx zynqMP 上部署运行。 该示例工程应在 Vitis-AI1.3 Docker，vitis-ai-tensorflow2conda 环境中运行。 有关Mnist手写数字数据集，请参见 ...

<img src="https://github.com/xiaoaug/MNIST_Classification_Pytorch/assets/39291338/d991c412-6f1d-40a9-ab0c-73c6c5612938" width="350"> 目前还不太清楚为何训练 ...

conv1:卷积层1,输入通道3,输出通道10,卷积核5*5 pool1: 池化层 conv2:卷积层2,输入通道10,输出通道20,卷积核5*5 pool2:池化层 fc1:全连接层16820->1000 fc2:全连接层1000->19 forward中 第一步后为 62 * 62 * 10 第二步后为 29 * 29 * 20 最后使用log_softmax配合下方的nll_loss函数 ...