- 博客(13)
- 收藏
- 关注
RSS订阅原创 深度学习 13 — DenseNet 算法实战与解析
DenseNet（Densely Connected Convolutional Networks）是一种流行的卷积神经网络架构，因其独特的连接模式而闻名。这种架构通过密集连接方式来改进传统卷积网络的信息和梯度流，从而提高了模型的效率和性能。以下是对DenseNet的几个关键方面的总结：密集连接DenseNet的核心特点是其层之间的密集连接模式。在DenseNet中，每个层都接收到前面所有层的特征映射作为输入。这种连接方式有助于解决深度卷积网络中的梯度消失问题，同时通过特征复用增强了特征传播和学习效率。
2024-06-21 22:48:39
960
原创 深度学习12 — ResNet50V2 算法实战与解析
ResNet50V2 是 ResNet50 的一个改进版本，广泛应用于多种图像识别和分类任务中。这个模型是由 Kaiming He 及其团队在他们的论文 "Identity Mappings in Deep Residual Networks" 中提出的，主要目标是优化原始 ResNet 结构的残差学习过程。
2024-06-07 14:20:38
983
原创 深度学习 09 — YOLOv5 Backbone模块实现
Backbone 模块的作用Backbone 模块的主要作用是从输入图像中提取丰富的语义特征信息，为后续的目标检测任务提供有价值的特征表示。在 YOLOv5 中，Backbone 模块将输入图像映射到一个高维的特征空间，捕捉图像中的低级特征（如边缘、纹理等）和高级语义特征（如物体部件等）。这些特征信息对于准确检测和识别目标物体至关重要。Backbone 模块的内部结构。
2024-05-07 14:42:45
930
原创 深度学习 06 — VGG 算法 PyToch 实现人脸识别
在本次实战中，主要学习Vgg16 网络结构的组成部分以及网络参数，但是在整个训练的过程中，模型表现的不是很好最高的test_acc 在16.1%以至于在指定预测图片时预测失败。更改参数将优化器SGD更改为Adam 再次训练下面是训练过程中变化预测结果：Angelina Jolie在更改完优化器之后，模型的表现有了很大进步test_acc最高达到了41.1%指定但还没有达到实战测试集准确率的要求更改初始学习率为1.5 并增加epoch 次数Done。
2024-04-18 21:49:06
672
原创 深度学习03 — Pytorch 天气识别
本次实战中，实现对天气识别的神经网络，并且学会了如何将训练好的模型进行保存，然后调用训练好的模型对本地图片进行识别。
2024-03-29 20:55:38
1014
1
原创 深度学习02 — PyTorch CIFAR10彩色图片识别
本次实现中，重点关注于CNN 中的卷积层，池化层，以及一些参数的作用，并且进一步去了解了卷积和池化的计算过程和其背后的运作原理。%201%201。
2024-03-14 15:25:06
1206
1
原创 深度学习01 — PyTorch实现mnist手写数字识别
在本次实现中，了解了CNN最主要的组成部分，并掌握了神经网络程序的整个流程：选择模型-> 构建网络层 -> 编译 -> 训练 -> 预测。
2024-03-13 17:13:14
1069
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