深度学习实战
关注
分享
扫一扫
文章平均质量分 94
通过原理讲解+代码讲解手把手带你实战深度学习，由浅入深，层层递进。具备完整的文档与代码，边学习边操作！
AiCharm
新星计划第三季人工智能赛道第一名-人工智能领域实力新星获得者,阿里云社区博客专家，华为云享专家
展开
-
深度学习实战（11）：使用多层感知器分类器对手写数字进行分类
MLP 分类器是一种非常强大的神经网络模型，可以学习复杂数据的非线性函数。该方法使用前向传播来构建权重，然后计算损失。接下来，反向传播用于更新权重，从而减少损失。这是以迭代方式完成的，迭代次数是一个输入超参数，正如我在简介中所解释的那样。其他重要的超参数是每个隐藏层中的神经元数量和隐藏层总数。这些都需要微调。更多Ai资讯：公主号AiCharm。原创 2023-02-11 11:52:50 · 2164 阅读 · 0 评论 -
深度学习实战（十）：使用 PyTorch 进行 3D 医学图像分割
MedicalZoo论文： Deep learning in medical image analysis: a comparative analysis of multi-modal brain-MRI segmentation with 3D deep neural networks代码已开源：MedicalZooPytorch 深度网络在计算机视觉领域的兴起，为经典的图像处理技术表现不佳的问题提供了最先进的解决方案。在泛化的图像识别任务中，包括物体检测、图像分类和分割、活动识别、光流和姿势估计等问原创 2022-06-21 09:00:00 · 12988 阅读 · 2 评论 -
深度学习实战（九）：使用自动编码器生成图像
如果我们不需要所有这些标记的数据来训练我们的模型。我的意思是标记和分类数据需要太多的工作。不幸的是，大多数现有的模型，从支持向量机到卷积神经网络，都不能在没有它们的情况下进行训练。 除了一小部分的算法可以。这就是所谓的无监督学习（Unsupervised Learning）。无监督学习通过自己的方式从未标记的数据中推断出一个函数。最著名的无监督算法是K-Means，它被广泛用于将数据聚类，而PCA则是降维的首选方案。K-Means和PCA可能是有史以来最好的两种机器学习算法。而让它们更出色的是它们的简原创 2022-06-17 09:00:00 · 2016 阅读 · 1 评论 -
深度学习实战（七）：从零实现嘴唇图像分割
深度学习实战（七）：从零实现嘴唇图像分割1. 项目简介2. 数据处理2.1 数据获取2.2 数据标注3. 数据读取4. 模型训练4.1 模型定义4.2 训练5. 模型测试相关资源来自言有三AI（强推）丰富的AI学习资源1. 项目简介 图像处理中，研究者往往只对图像中的某些区域感兴趣，在此基础上才有可能对目标进行后续的处理与分析。图像分割技术就是把图像中属于目标区域的感兴趣区域进行半自动或者自动地提取分离出来，属于计算机视觉领域中最基础的任务之一。 为了让大家能够一次性体验一个图像分割任务的完整转载 2022-05-25 09:00:00 · 1328 阅读 · 11 评论 -
深度学习实战（六）：从零开始实现表情识别
深度学习实战（六）：从零开始实现表情识别1. 项目简介2. 数据获取2.1 数据爬取2.2 数据整理2.3 数据清洗2.4 提取嘴唇区域3. 模型训练3.1 数据接口准备3.1.1 datasets.ImageFolder3.1.2 Transforms和DataLoader3.2 模型定义3.2.2 网络结构定义3.2.3 forward方法3.3 优化方法和优化目标3.4 添加可视化代码3.5 模型训练4. 模型测试相关资源来自言有三AI（强推）丰富的AI学习资源1. 项目简介 为了让新手们能转载 2022-05-20 09:00:00 · 2871 阅读 · 15 评论 -
深度学习实战（五）：通过scikit-learn模板两步构建自己的机器学习模型
深度学习实战（五）：通过scikit-learn模板两步构建自己的机器学习模型1. 项目简介2. 明确你要解决的问题3. 预备工作3.1 加载数据集3.2 数据集划分4. 万能模板V1.04.1 应用案例4.1.1 构建SVM分类模型4.1.2 构建LR分类模型4.1.3 构建随机森林分类模型5. 万能模板V2.0版5.1 加入交叉验证，让算法模型评估更加科学5.2 应用案例5.2.1 构建SVM分类模型5.2.2 构建LR分类模型6. 万能模板V3.0版6.1 调参让算法表现更上一层楼6.2 应用案例6.原创 2022-05-13 09:00:00 · 615 阅读 · 0 评论 -
深度学习实战（四）：行人跟踪与摔倒检测报警
深度学习实战（X）：行人跟踪与摔倒检测报警1. 项目简介1.1 相关工作2.方法简介2.1 总体结构2.2 骨架的图结构2.3 空间图卷积网络2.3.1 Sampling Function2.3.2 Weight Function2.3.3 空间图卷积2.3.4 时空模型2.4 划分子集2.5 注意力机制2.6 TCN3. 训练项目论文：https://arxiv.org/abs/1801.07455项目源码：评论文章即可获取1. 项目简介本项目的目的是为了给大家提供跟多的实战思路，抛砖引玉为大家原创 2022-05-07 09:00:00 · 3416 阅读 · 95 评论 -
深度学习实战（三）：使用PyTorch搭建VGG网络
深度学习实战（三）：使用PyTorch搭建VGG网络1. VGG162. 使用PyTorch搭建VGG网络2.1 model.py扩展：Python 函数参数前面一个星号（*）和两个星号（**）的区别2.2 train.py2.3 predict.py2.3.1 相关包的加载2.3.2 数据预处理2.3.3 加载训练集2.3.4 加载验证集2.3.5 训练网络与验证网络2.3.6 完整代码VGG在我之前的博客中已经做过详解，详情见：https://blog.youkuaiyun.com/muye_IT/artic原创 2022-04-20 15:22:12 · 2327 阅读 · 0 评论 -
深度学习实战（二）：AlexNet实现花图像分类
深度学习实战（二）：AlexNet实现花分类1. 数据集介绍2. AlexNet网络介绍3. model.py实现4. train.py实现4.1 相关包的加载4.2 数据预处理4.3 加载训练集4.4 加载验证集4.5 训练网络与验证网络4.6 完整代码4. Bug解决5. predict.py实现AlexNet在我之前的博客中已经做过详解，详情见：https://blog.youkuaiyun.com/muye_IT/article/details/123602605?spm=1001.2014.3001.5原创 2022-04-02 09:00:00 · 10033 阅读 · 11 评论 -
深度学习实战（一）：LeNet实现CIFAR-10图像分类
构建模型：import torch.nn as nnimport torch.nn.functional as Fclass LeNet(nn.Module): def __init__(self): super(LeNet, self).__init__() self.conv1 = nn.Conv2d(3, 16, 5)#Convd(输入层的channel,卷积核个数，卷积核大小) self.pool1 = nn.MaxPool2d(2,原创 2022-03-31 09:00:00 · 5327 阅读 · 4 评论