- 博客(4)
- 收藏
- 关注
原创 【pytorch】使用生成对抗网络GAN实现MINIST手写数字图像生成
本文回顾了作者从零开始构建、调试和优化一个基础生成对抗网络(GAN)的全过程,目标是利用经典的 MNIST 手写数字数据集来训练一个能生成逼真数字图像的模型。
2025-09-28 19:44:25
1346
原创 【使用PyTorch,Hugging Face,BERT构建完整的影评情感二分类模型】
本文介绍了基于BERT模型的迁移学习在情感分析任务中的应用。主要内容包括:1. 迁移学习在现代NLP中的优势,如减少数据需求、缩短开发周期、提升性能;2. 使用Hugging Face生态系统(Transformers、Datasets等库)加载IMDB数据集并预处理;3. 通过AutoTokenizer进行文本分词,将原始文本转换为模型可处理的数字表示;4. 利用Trainer API进行模型微调的全流程,包括加载预训练模型、定义评估指标、配置训练参数;5. 测试阶段模型在测试集上达到92.39%的准确率
2025-09-26 20:24:38
1709
原创 手把手教你用PyTorch实现花卉图像分类:特征提取+微调
本项目基于PyTorch实现花卉图像分类任务,重点演示迁移学习中的特征提取与微调技术。通过使用ResNet50预训练模型,项目详细展示了数据处理、模型配置、参数冻结/解冻、训练优化等完整流程。核心内容包括:1) 采用ImageNet标准化预处理和随机增强;2) 特征提取阶段冻结卷积层参数;3) 微调阶段解冻全参数优化;4) 使用ReduceLROnPlateau动态调整学习率。项目提供完整代码模版,支持自定义数据集,最终实现测试集准确率评估,为小样本视觉任务提供实用解决方案。
2025-09-06 20:05:20
1386
原创 基于 PyTorch 的改进 LeNet 模型实现 MNIST 手写数字识别
本文基于PyTorch实现了一个改进版的LeNet模型用于MNIST手写数字识别。通过引入现代CNN设计理念,包括增加网络深度至5个卷积层、使用BatchNorm和Dropout、优化卷积核大小等技术,显著提升了原始LeNet-5的性能。文章详细介绍了模型架构、数据预处理流程和训练过程,最终在MNIST数据集上取得了优异的识别效果。该改进模型不仅可作为学习CNN的良好案例,还具备扩展应用于其他图像分类任务的潜力。
2025-07-13 21:18:01
411
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
RSS订阅