- 博客(9)
- 收藏
- 关注
RSS订阅原创 P8周：YOLOv5-C3模块实现
C3模块，全称 Cross Stage Partial Bottleneck with 3 convolutions，是 YOLOv5 中提出的一种改进型的残差模块（Residual Block），灵感来自 CSPNet（Cross Stage Partial Network） 的思想。加强特征提取（提高网络表达能力）减少计算量和参数量（比传统残差结构更轻量）C3 的网络结构组成││ │ 残差结构 │ × n次（Bottleneck）
2025-04-25 09:00:00
742
原创 P5 运动鞋识别（动态学习率）（小白入门）
能看到简单地将每2个epoch衰减，修改为将每4个epoch衰减，让前期保持学习率较大，提高收敛速度，acc就有了一些提高。指数衰减 (Exponential Decay)：是一种常见的学习率调节策略，保证模型在收敛前不会震荡太大。这个策略相比 固定学习率 能更好地提高准确率，并减少训练震荡。后期（epoch 大）：较小学习率 → 更稳定，不跳过最优点。前期（epoch 小）：较大学习率 → 快速收敛。前期（epoch 小）：较大学习率 → 快速收敛。后期（epoch 大）：较小学习率 → 更稳定。
2025-03-28 09:00:00
1576
原创 P4猴痘病识别（小白入门）
毫无疑问test_acc最高85.5%这个结果准确率不够高，但是train_acc=95.9%这个结果表明网络结构可能对训练集有一定的过拟合。Root location: D:\z_temp\data\第4周。Root location: D:\z_temp\data\第4周。test_acc 勉强能够达到88%预测结果是：Monkeypox。
2025-03-21 20:55:30
1048
原创 P2周 CIFAR10识别（小白入门）
相比较于MINIST数据集，CIFAR10数据集较为复杂，具体体现在：输入尺寸更大、通道数不同、数据复杂度更高。故需要更多层的CNN网络。512 → 256 → 10 通过 ReLU 让特征更丰富，提升效果。多层 FC 提高非线性表达能力。使用dataloader加载数据，并设置好基本的batch_size。全连接后特征图尺寸：（batch_size,128,2,2）展平后=128 * 2 * 2=516。导入数据集并划分好训练集和测试集。
2025-03-07 09:00:00
758
原创 P1周：Pytorch实现mnist手写数字识别
运行结果PyTorch 版本: 2.5.1CUDA 是否可用: TrueCUDA 版本: 12.4Torchvision版本 0.20.1GPU 设备数量: 1GPU 设备名称: NVIDIA GeForce RTX 3060 Laptop GPU。
2025-02-28 15:12:45
931
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