- 博客(4)
- 收藏
- 关注
RSS订阅原创 ResNet讲解及代码实现
ResNet（残差网络）是何恺明团队2015年提出的深度神经网络架构，通过引入"跳跃连接"解决了深层网络的"退化问题"。其核心创新是让网络学习输入与输出的残差而非直接输出，简化了深层网络的优化过程。ResNet包含基础块和瓶颈块两种残差单元，衍生了18层到152层等多种变体，在ImageNet比赛中以3.57%的错误率超越人类水平。虽然ResNet参数量较大、内存消耗高，但其模块化设计和梯度直接回传特性使其成为计算机视觉领域的里程碑式突破。文章还提供了基于PyTorc
2025-07-25 22:08:10
2164
原创 基于pytorch的VGG16模型讲解及代码实现
VGG16是牛津大学视觉几何组2014年提出的经典CNN模型，在ImageNet竞赛中表现优异。其核心特点是采用3×3小卷积核堆叠替代大卷积核（参数更少但感受野相同），构建16层深度网络（13个卷积层+3个全连接层）。模型包含5个卷积块，每块通过最大池化减半特征图尺寸，通道数从64逐步增加到512。VGG16具有结构统一（全3×3卷积+相同填充）、层次化特征提取（从边缘到语义）和优异迁移学习能力等优势，Top-5准确率达92.7%。文中还提供了基于PyTorch的猫狗分类实现代码，展示了VGG16的实际应用
2025-07-20 18:29:04
1844
原创 CNN基础讲解
本文介绍了CNN的核心原理及其在猫狗识别中的应用。CNN通过局部连接、权值共享实现高效特征提取，具有平移不变性。核心组件包括：1）卷积层（含卷积核、步长、填充等参数）；2）池化层（最大池化和平均池化）用于降维和特征不变性。文章以PyTorch实现了一个简单的CNN模型，包含卷积层、ReLU激活、最大池化和全连接层，在猫狗数据集上进行训练和测试，展示了图像分类的基本流程。模型通过交叉熵损失和SGD优化器进行训练，最终可预测输入图像是猫还是狗。
2025-07-20 15:45:48
1962
原创 深度学习图片转张量个人理解
摘要：图像转换为张量是深度学习的必要步骤，主要解决三个核心问题：(1)框架兼容性 - 将PIL/NumPy格式转为PyTorch/TensorFlow支持的张量格式；(2)数值标准化 - 将0-255像素值归一化至[0,1]区间，提升训练稳定性；(3)维度适配 - 从HWC格式调整为NCHW格式以满足卷积层输入要求。转换后的三维张量（C,H,W）中，数值代表RGB通道强度，如(1.0,0.0,0.0)表示纯红色。代码示例展示了使用torchvision.transforms实现图像到张量的标准化转换流程。
2025-07-06 00:00:00
602
1
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