Jimn_Jhn-优快云博客

卷积层 + 池化层全连接层图片来自动手学习深度学习'''num_convs: VGG块中卷积的层数in_channels: VGG块接收的第一层的输入通道数out_channels: VGG块接收的第一层卷积的输出通道数在VGG模块中各层间的输出特征图的长宽没有改变，这得益于kernel_size和stride以及padding的选择VGG的所有卷积叠加完成后使用一次池化层将特征图长宽减半(当然这不是必须的)''''''VGG块的嵌套，组建VGG网络。

2025-01-03 23:58:28 828

原创 Jimn_Torch保存训练中各层的结果以及如何使用matplotlib进行可视化

使用上一节讲到的方法进行数据保存 (注意，我这里的代码把整个网络第一个ReLU和第二个ReLU的输出都保存了一遍，内存占了30G，可以修改代码来减少保存的数据量)'''定义两个list列表进行数据的存储定义hook函数进行数据的保存将两个函数绑定到第一层和第4层Module上然后运行前向传播或者直接训练'''

2025-01-02 00:32:39 867

原创 Jimn_Torch卷积层中输入通道与输出通道

×。

2025-01-01 01:00:45 729

原创 Jimn_Torch卷积神经网络输出计算公式

文章来自于动手学深度学习。

2024-12-29 23:17:28 722

原创 Jimn_Torch访问构建网络中的参数1--动手学深度学习

这一节主要是对方法的使用进行学习对比了之前学习的有序字典的区别下一节将学习一下其他的访问方式。

2024-12-27 22:29:00 293

原创 Jimn_Torch网络的搭建--动手学深度学习

网络搭建

2024-12-25 23:30:27 354

原创 Jimn_Torch优化器中param_group学习

pytorch优化器中的属性

2024-12-23 23:08:58 413

原创 Apriltag源码学习

Apriltag源码记录

2024-05-26 16:57:52 501 1

原创 SAR imaging Learning

接受端乘以一个参考Rref的chirp信号是合理的，从TI的板子可以看出，ADC开始采样前是有一段线性频率被生成且发射出去的，但是这段时间是不进行采样的。我们知道线性相位FIR滤波器与IIR的一个本质不同就是对于N很大的FIR滤波器系统是存在一个较大延迟的，即输入信号输出将滞后(N-1)/2的时间。dechirp操作是以生成更大的参考LFM为代价的，而且由于带宽的降低，采样点数随之减少，同时，dechirp会引入RVP项。`公式（2.13）中的以参考点的时间作为基准感觉十分别扭，不是很本质的！

2023-06-19 21:36:46 1565