- 博客(4)
- 收藏
- 关注
RSS订阅原创 爬虫但是说标题不能太短
headers里面写啥？复制到代码中：状态码200表示请求成功。打印response.text拿到该网站的HTML源码。可以看到电影相关信息。
2025-10-22 15:40:05
2359
原创 卷积神经网络（CNN）实例理解
原始图像由（64，64，3）的图像经10个卷积核（3，3，3）变为特征图像（62，62，10）（已考虑偏差bias）（未使用padding扩充方法）。4.再进行一次卷积核特征提取，原始图像由（62，62，10）的图像经10个卷积核（3，3，10）变为特征图像（60，60，10）---卷积核，特征过滤器，提取特征，在特征图上提取特征看的是和卷积核的相似程度，越相似激活值越高。5.经过ReLU函数和最大池化的处理，提取精华特征，同时将特征图降维到（30，30，10）选取图片为主要为红色的辣椒。
2025-10-18 22:09:23
175
原创 卷积神经网络（CNN）
计算机视觉中，卷积神经网络（CNN）因其独特的结构在图像处理方面具有显著优势。图像本质上是数值矩阵（单通道灰度图或三通道RGB图），CNN通过卷积运算改变图像通道数和尺寸，利用池化层保持通道数但减小图像大小。相比全连接神经网络，CNN能保留图像空间信息，且参数更少，有效减少计算量和过拟合风险。卷积核通过权重共享机制，重点提取图像关键特征。填充操作可防止边缘信息丢失，步幅调节则控制输出尺寸。多通道卷积通过相加融合不同通道信息，池化层（尤其是最大池化）能增强模型鲁棒性和平移不变性。这些特性使CNN成为处理图像数
2025-10-18 20:53:05
1786
原创 全连接神经网络
注意前向传播不只是用最优的参数即训练好的模型进行推理，在模型训练过程中同时有前向传播和反向传播的过程（先利用现有参数前向传播，得到模型输出值计算损失函数，反向传播梯度更新）。这意味着权重向量 [w1, w2] 的更新方向被限制在了第一象限和第三象限的方向上，无法直接指向最优解的方向 [-2, +3]（这在第二象限）。由于浅层网络的权重更新量正比于这个梯度，当梯度接近零时，权重几乎不再更新，网络就无法有效地学习和训练了。前向传播就是模型计算推理的过程，参数是确定的，将输入值代入得到模型的输出值。
2025-10-16 21:00:04
1285
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人