- 博客(4)
- 收藏
- 关注
RSS订阅原创 PyTorch实现DenseNet网络模型与实战
前言：接着前面对ResNet网络模型的学习，我们可以将DenseNet看成ResNet网络的推广，同时又在结构上做了调整和优化，进一步提高了网络训练的准确性。目录由前面章节对ResNet网络的学习了解到，ResNet网络模型主要是建立相邻层之间的联系，将某一层的输入与输出相加作为下一层的输入，用公式可以表示：x1=Hl(xl−1)+xl−1x_1=H_l(x_l-_1 )+x_l-_1x1=Hl(xl−1)+xl−1在DenseNet我们可以将其类比理解为将前面的网络都加入到后面网络的输
2025-02-01 11:22:35
1005
原创 PyTorch 实现ResNet-50算法
纵观前面的经典网络如AlexNet和VGG网络模型，人们通过增加网络的深度提高了网络的性能，实现了识别精度的提高，但是这个方法不可避免的带来了参数巨大，训练消耗的成本高的问题，后面人们在实验中还发现了一个奇怪的现象，那就是随着网络深度的提高反而准确率下降，出现了梯度爆炸和梯度消失，在2015年，何恺明提出了在网络中加入残差模块来缓解这一问题，同时在视觉挑战赛中取得了优异的成果也证明了它的有效性。
2025-01-27 18:26:32
1128
原创 Typro新手入门
使用"#“来标记标题，后面需要和标题内容用空格隔开，几级标题对应几个”#"。在Typro中可用快捷键—>“Ctrl+(1,2,3,4,5,6)”来表示对应对的标题，"Ctrl+0"来表示段落。其次菜单栏 段落选项可查看标题的快捷键信息。
2025-01-20 11:45:46
1132
原创 YOLOv5_Backbone模块详解
size=len(dataloader.dataset)#训练集的大小num_batches=len(dataloader)#每轮训练的数据集大小train_loss,train_acc=0,0 #初始化训练损失，训练准确率for X,y in dataloader:#获取图片与标签loss=loss_fn(pred,y)#计算损失optimizer.zero_grad()#grad归零loss.backward()#反向传播optimizer.step()#梯度归零。
2025-01-20 09:58:05
1005
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