- 博客(5)
- 收藏
- 关注
RSS订阅原创 深度学习知识
**预训练模型**：利用已经在大规模数据集（如ImageNet）上训练好的模型，通过微调适应新的任务。- **损失函数**：衡量模型预测结果与真实值之间的差距，常见的有均方误差（MSE）、交叉熵损失等。- **TensorFlow**：Google开发的开源软件库，支持灵活的构建和训练模型。- **PyTorch**：Facebook的开源框架，提供动态计算图和易于使用的API。- **特征提取**：仅使用预训练模型的底层特征，然后添加自己的分类层。
2024-10-20 13:36:33
248
1
原创 洛谷不重复数字
/每次将Hash赋初始值，此时Hash中的值正是1808504320951916825（随便乱赋的值）=1808504320951916825)//如果当前位置有数。#define hmod 4698571 //对于Hash数组的mod值。//Hash需开大一点。if (Hash[wh]==x) //查看是否为此数。inline ll read() //快读（不解释了）//没找到则放入Hash中。find(k))//如果k没进入数组。
2024-10-20 13:22:01
425
原创 数据集选择
它是一个较小版本的ImageNet，包含200个类别，每个类别有500张训练图像、50张验证图像和50张测试图像，图像大小为64x64像素。- 这是一个非常著名的手写数字数据集，包含6万个训练样本和1万个测试样本，每个样本都是28x28像素的灰度图像，表示0到9的数字。- Caltech数据集包含多个类别的对象图像，Caltech-101包含101个类别，而Caltech-256则包含256个类别。- 数据集的规模：较大的数据集通常可以训练出更准确的模型，但也需要更多的计算资源。
2024-10-20 13:19:14
246
原创 【无标题】图片分类模型
这里的`train_images`应该是形状为 `(num_samples, height, width, channels)` 的NumPy数组，`train_labels`则是对应于每张图像的标签数组。`epochs`参数表示模型将在整个数据集上迭代的次数，`batch_size`指定了每次更新权重时使用的样本数量，`validation_split`指定从训练数据中划分出一部分作为验证。模型还包含了一个展平层，它将卷积层的输出展平成一个一维数组，以便可以将其馈送到全连接层中。
2024-10-20 13:17:12
670
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