- 博客(5)
- 收藏
- 关注
RSS订阅原创 第P4周：深度学习实验——猴痘病识别
在PyTorch的ImageFolder数据加载器中，根据数据集文件夹的组织结构，每个文件夹代表一个类别，class_to_idx字典将每个类别名称映射为一个数字索引。它允许你以小批次的方式迭代你的数据集，这对于训练神经网络和其他机器学习任务非常有用。测试函数和训练函数大致相同，但是由于不进行梯度下降对网络权重进行更新，所以不需要传入优化器。尝试降低学习率到5e-5，模型准确率上升不多。再将训练次数增加到30，模型准确率上升也不多。模型损失波动大，准确率上不去，模型过拟合。尝试用简化的CNN模型。
2025-05-09 21:56:47
626
原创 第P3周：深度学习实验——Pytorch实现天气识别
更具体地说，损失函数loss是由模型的所有权重w经过一系列运算得到的，若某个w的requires_grads为True，则w的所有上层参数（后面层的权重w）的.grad_fn属性中就保存了对应的运算，然后在使用loss.backward()后，会一层层的反向传播计算每个w的梯度值，并保存到该w的.grad属性中。在model(test)之前，需要加上model.eval()，否则的话，有输入数据，即使不训练，它也会改变权值。step()函数的作用是执行一次优化步骤，通过梯度下降法来更新参数的值。
2025-05-02 17:53:32
1249
原创 第P6周：深度学习实验——CIFAR10彩色图片识别
VGG-16（Visual Geometry Group-16）是由牛津大学视觉几何组（Visual Geometry Group）提出的一种深度卷积神经网络架构，用于图像分类和对象识别任务。VGG-16在2014年被提出，是VGG系列中的一种。VGG-16之所以备受关注，是因为它在ImageNet图像识别竞赛中取得了很好的成绩，展示了其在大规模图像识别任务中的有效性。调用官方的VGG-16网络框架或自行搭建。二、 调用官方的VGG-16模型。2. 指定图片进行预测。学习人脸识别和预测。
2025-04-18 21:50:27
1824
原创 第P2周：深度学习实验——CIFAR10彩色图片识别
epoch提高到25，尽管每次训练的准确率会提高，模型能较好地记忆训练数据，但是测试准确率低，损失较大，且震荡和非常不稳定，过拟合，泛化能力弱。说明在过多的迭代次数，模型可能已经过度学习训练数据的特征，包括噪声和不相关的模式，通过记忆去训练数据，而不是学习一般的、普遍的模式，因此在处理新数据时的性能会变差。将学习率降低，epoch提高，训练和测试准确率和方案（3）差不多，准确率随着迭代次数增加而上升，但是出现震荡，说明模型过拟合，而效果并没有提高。因为学习率太低，模型收敛太慢，每一步更新都很小，
2025-04-08 11:23:55
1844
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