- 博客(4)
- 收藏
- 关注
RSS订阅原创 365天深度学习训练营-第P4周：猴痘病识别
除了进行数据增强之外，我们还可以继续学习率调度的优化，学习率是模型训练的关键参数之一，训练前期学习率需较大以快速收敛，后期需较小以避免震荡，如果固定学习率，会导致前期收敛慢，后期过拟合（学习率太大，模型在最优解附近震荡，无法稳定）；3.池化层位置不合理,原本的网络结构为：Conv2和Conv5后加了1个MaxPool2d，池化次数太少导致了“特征下采样”不充分，最终输出的特征图尺寸为50×50（24*50*50=60000个参数），全连接层直接处理导致了过拟合问题的产生。语言环境：Python3.8。
2025-09-19 20:59:59
961
原创 365天深度学习训练营-第P2周：CIFAR10彩色图片识别
输出高 =((输入高 +2*padding0 - dilation0*（池化核0-1） -1 ）/ 池化核0 + 1。输出宽 =((输入宽 +2*padding1 - dilation1*（池化核1-1） -1 ）/ 池化核1 + 1。数据变化为：128, 4, 4（卷积层3） -> 128, 2, 2（池化层3）增加宽度,即增加每一层的卷积核数量（通道数）。输出高 =（30+2*0-1*（2-1）- 1）/2 + 1 = 15。输出宽 =（30+2*0-1*（2-1）- 1）/2 + 1 = 15。
2025-09-05 21:27:33
643
原创 365天深度学习训练营-第P1周：mnist手写数字识别
在这一整个项目的学习过程中，我学会了怎么一个人解决问题，并对CNN网络有了一个充分的认识，也是第一次训练了自己打键盘打出来的模型，非常有意义！Jupyter Lab环境下载。② CUDA+cuDNN下载。① Python环境搭建。③ Pytorch环境搭建。
2025-08-22 17:39:01
582
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