- 博客(27)
- 收藏
- 关注
RSS订阅原创 深度学习Y2周：YOLOv5训练自己的数据集
1.训练时候遇到的问题：出现错误，ImportError: Failed to initialize: Bad git executable.解决方法：在train文件的import os加上2.感觉是文件路径搞混了，怎么做都没有办法正确运行。始终找不到文件，不管用什么方法。希望有人能帮助我解决解决。
2025-03-20 14:23:25
812
原创 深度学习Y1周：调用官方权重进行检测
YOLO系列：目前最热门的目标检测算法YOLO目前已经更新到了YOLOv12TensorFlow：更倾向于工程人员，落地比较好Pytorch：比较倾向于研究人员，前言算法用的比较多YOLOv5分为YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5X四个版本本学习用YOLOv5s1.在第三部分的时候可能遇到两个问题，第一，TimeoutError：[WinError 10060] 由于连接方在一段时间后没有正确答复或者连接的主机没有反应，连接尝试失败。
2025-03-12 10:41:29
768
原创 深度学习R8周：RNN实现阿尔兹海默症（pytorch）
训练循环size = len(dataloader.dataset) # 训练集的大小num_batches = len(dataloader) # 批次数目, (size/batch_size，向上取整)train_loss, train_acc = 0, 0 # 初始化训练损失和正确率for X, y in dataloader: # 获取图片及其标签# 计算预测误差pred = model(X) # 网络输出。
2025-03-04 10:42:42
451
原创 深度学习R7周：糖尿病预测模型优化探索
定义模型return out结果输出：# 定义训练函数size = len(dataloader.dataset) # 训练集的大小num_batches = len(dataloader) # 批次数目, (size/batch_size，向上取整)train_loss, train_acc = 0, 0 # 初始化训练损失和正确率for X, y in dataloader: # 获取图片及其标签# 计算预测误差pred = model(X) # 网络输出。
2025-02-26 10:09:00
893
1
原创 深度学习R6周：LSTM实现糖尿病探索与预测
定义模型return out结果输出：#定义训练函数size = len(dataloader.dataset) # 训练集的大小num_batches = len(dataloader) # 批次数目, (size/batch_size，向上取整)train_loss, train_acc = 0, 0 # 初始化训练损失和正确率for X, y in dataloader: # 获取图片及其标签# 计算预测误差pred = model(X) # 网络输出。
2025-02-19 19:30:13
585
2
原创 深度学习R4周：LSTM-火灾温度预测
这周真的很混乱，身边没有台式机，在线平台也没有想象中好用，可能是我没有找到方式。LSTM学习掌握的很一般，明天就能有台式机。重新修改学习记录。文字知识已大致掌握，还需要代码加强。LSTM的优点：1.解决梯度消失问题：传统的RNN在处理长序列时容易出现梯度消失的问题，导致难以训练。2.捕捉长期依赖关系：相比传统的RNN，LSTM有更好的记忆性能，可以在处理序列数据时保留较远的上下文信息。3.可以学习到时序特征：LSTM具有对时间的敏感性，能够学习到时序数据中的模式和特征。
2025-02-14 11:19:10
1215
原创 深度学习J3周：RNN-心脏病预测
1.age：年龄2.sex：性别3.cp：胸痛类型（4values）4.trestbps：静息血压5.chol：血清胆甾醇（mg/dl）6.fbs：空腹血糖＞120mg/dl7.restecg：静息心电图结果（值0,1,2）8.thalach：达到的最大心率9.exang：运动诱发的心绞痛10.oldpeak：相对于静止状态，运动引起的ST段压低11.slope：运动峰值ST段的斜率12.ca：荧光透视着色的主要血管数量（0-3）13.thal：0=正常；1=固定缺陷；
2025-01-20 13:48:54
1213
原创 深度学习J9周：Inception v3算法实战与解析
计算机视觉任务中，Inception v3在图像分类、物体检测和图像分割等方面均表现优异。通过学习，对深度学习更了解了，从代码和网络图也可以看出网络结构越来越深和复杂，需要自己多花时间学习，研究。下一步，应该自己把所有的自己总结和联系起来。
2025-01-17 19:06:30
753
原创 深度学习J8周 Inception v1算法实战与解析
1.遇到问题：解决：粗心，少了InceptionV1模型2.遇到问题：解决：粗心，训练代码丢了3.Inception用多路分支并行，采用不同卷积核提取不同大小感受野所代表的特征。同时，通过使用1×1卷积将channel维度进行降维，提取特征后再次回升，虽然看似复杂，但参数量减少。4.自己的粗心导致很多框架结构，没有复现成功，每次都是很小的错误，希望下次提高警惕。
2025-01-07 20:14:43
1085
原创 深度学习J7周 对于ResNeXt-50算法的思考
对于堆叠残块模块stack模块，第二次调用block，conv_shortcut=False，使用identity_shortcut，这种情况，快捷连接将直接传递输入x给块的最后一层，因此，在执行“x=Add（）”，快捷连接通道数与该层不一致，但Add（）在通道数不同时，会自动对快捷连接进行零填充，所以不会出现不匹配的错误。问题：如果conv_shortcut=False，那么执行“x=Add（）...”语句时，通道数不一致，为什么不会报错。
2025-01-02 15:51:17
653
原创 深度学习J6周 ResNeXt-50实战解析
🍨 本文为🔗365天深度学习训练营中的学习记录博客 🍖 原作者：K同学啊本周任务：1.阅读ResNeXt论文，了解作者的构建思路2.对比之前介绍的ResNet50V2、DenseNet算法3.复现ResNeXt-50算法一、模型结构ResNeXt由何凯明团队，2017年CVPR会议上提出新型图像分类网络。它是ResNet升级版，在ResNet的基础上，引入cardinality概念。在论文中，作者提出当时普遍存在的一个问题，如果要提高模型准确率，往往采取加深网络或者加宽网络的方法
2024-12-25 16:51:21
902
原创 深度学习J5周 DenseNet+SE-Net实战
SE-Net是ImageNet2017的冠军模型，由WMW团队发布。具有复杂度低、参数少、计算量小的优点。SENet的思路简单，很容易扩展到已有网络结构，如Inception和ResNet中。SENet将关注点放在了特征通道之间的关系，具体策略为：通过学习的方式自动获取到每个特征通道的重要程度，然后依照这个重要程度去提升有用的特征并抑制对当前任务用处不大的特征，又称作“特征重标定”策略。
2024-12-19 20:45:49
1044
原创 深度学习J4周：ResNet与DenseNet结合探索
一开始没有理解要求意思，搜索了博客，根据人家的内容去学习，比想放弃坚持了一点，也很羡慕别人能想到并成功运行，一点一点积累也是可以的。最近手头事也有些多，等忙完这一段，还是得多看论文和代码继续学习积累。
2024-12-06 10:43:58
889
原创 深度学习J3周：DenseNet算法实战与解析
在计算机视觉领域，卷积神经网络（CNN）已成为最主流的方法，如GoogLenet、VGG-16、Incepetion等模型。CNN史上的一个里程碑事件是ResNet模型的出现，其可以训练更深的CNN网络，从而实现更高的准确度。ResNet模型的核心是通过建立前面层与后面层之间的“短路连接”（shortcuts，skip connection），进而训练出更深的CNN网络。DenseNet模型的基本思路与ResNet一致，但它建立的是前面所有层与后面层的密集连接（dense connection）。
2024-11-29 09:23:58
661
原创 深度学习J2周 ResNet50V2算法
了解ResNetV2的结构，并对比与ResNet的不同将tensflow代码转换为pytorch具体的细节还得再去读一下论文， 有些专有名词还是不太懂。
2024-11-21 15:25:01
712
原创 深度学习J1周：ResNet-50算法实战与解析
ResNet-50有两个基本块，Conv Block 和 Identity Block。这周比较忙，网络很经典，需要更好的学习。自己的代码能力还是太弱。
2024-11-08 16:24:08
919
原创 深度学习P10周：Pytorch实现车牌识别
1.遇到index error：list index out of range错误解决方法：列表空导致错误，把数据集和程序要放在同一个目录下，才可以运行，搞了好久才探索出来。2.因缩进错误导致名字未定义。3.因为新换了电脑，现在已经能熟练安装自己想要的包4.因电脑风扇问题，无法跑完30个回合，不过实验是能跑通的。
2024-10-31 15:34:55
1101
2
原创 深度学习P9：YOLOv5-Backbone模块实现
本周对YOLOv5-Backbone模型进行了搭建，初步了解了它的网络结构以及主要的作用。不过看了别人做的感觉自己学的还是很粗糙，没有深入理解网络。可能会对后续学习是个不好的打底，下周不能这样了，既然做还是得做好。
2024-10-16 19:25:13
959
原创 深度学习P7周 马铃薯病害识别（VGG-16复现）
基础部分自己都能完成，但到了拔高部分和探索部分，自己的知识量还没有达到完成百分之百。设备也导致完成实验很慢，感觉自己现在对拔高部分很抵触，希望后续能改进。多看看讲解以及别人完成作业的思路。现在对一些基础的改进和问题，自己都能完成，也算是进步吧。
2024-10-04 19:42:14
852
原创 深度学习P6周
①牛津大学视觉几何组 2014年提出②深度卷积神经网络架构③用于图像分类和对象识别④在ImageNet图像识别竞赛取得很好成绩，展示了其在大规模图像识别任务中的有效性。VGG-16由16个卷积层和3个全连接层组成，因此具有相对较深的网络结构。这种深度有助于网络学习到更加抽象和复杂的特征。VGG-16的卷积层全部采用3x3的卷积核和步长为1的卷积操作，同时在卷积层之后都接有ReLU激活函数。
2024-09-25 19:15:40
821
原创 深度学习P5周 Pytorch实现运动鞋识别
跟第一次进行实验相比，速度和理解有了很大的提升，但也让自己只注意算法和实验表面，没有深层次去思考，哪个地方能不能再调试一下，再换一下，而是跟着教案按部就班的搬下来，成功了就行，还是得踏踏实实的走吧。
2024-09-11 15:04:12
937
原创 深度学习P4周：猴痘病识别
动手几周，对代码的熟练度有所提升，本实验比之前增加了指定图片预测与保存并加载模型这个两个模块。但因为这周事情比较多，未进行拔高部分学习。
2024-09-05 09:02:45
539
原创 深度学习P3周： Pytorch实现天气识别
当运用到本地数据集的时候，需要考虑路径问题，当路径不同时，实验可能会无法进行。通过这个实验也感受了下调参的感觉，选择优化器的感觉，不过多亏别人的文章，才能在自己遇到问题的时候去解决。
2024-08-29 16:16:52
1105
原创 深度学习P2周 CIFAR10彩色图片识别
经过第一次的手写字识别作为基础，这次进展会快一些，上手程度也变得容易了一点。一些代码也更加有影响，可以去理解其具体的含义。通过推导卷积层和池化层的计算过程，对其含义和公式有更加理解了。整个代码都跑通了，中间有一步没得到答案，可能跟软件有关吧。不过影响好像不是很大。对一些CNN模型的概念还是有一些理解吃力，不过应该后续多学多看能解决吧！！后续继续努力吧。
2024-08-22 19:23:55
890
原创 深度学习P1周：Pytorch实现mnist手写数字识别
学习没有捷径。从自己什么都不会，到一点一点的去学，改，查，虽然很多概念依旧不是完全学会，但也算是比之前自己什么都不懂就放弃，有一点点的进步。这个项目带我进入pytorch的世界，也让感受到最实验好像没有想象中的地狱和无法接受。第一次跑小实验，第一次写关于代码的文章成功！！
2024-08-16 18:04:04
477
2
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