自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(7)
  • 收藏
  • 关注

原创 深度学习01

此时r1=b1+𝑤11*x1+𝑤12x2+𝑤13*x3+𝑤14*x4 r2=b2+𝑤21*x1+𝑤22x2+𝑤23*x3+𝑤24*x4 r3=b3+𝑤31*x1+𝑤32x2+𝑤33*x3+𝑤34*x4。● 常见的神经网络的输出(任务类别),一般也有下面几种:1.回归任务(预测);2.

2026-05-16 10:03:05 349

原创 深度学习08——自注意力机制

以一个token即1*512维向量理解,在向量中每一个维度都包含了token的特征,如“苹果”来说,某一个维度就表示甜不甜,某一维度表示热量高低,通过不同维度的区别,就能清楚的将“苹果”的含义映射在512维向量上。输入词向量大小依旧为128*512,但模型矩阵Wq,Wk,Wv则缩减到512*64,获得的Q,K,V三个矩阵大小就变为128*64,最终输出结果也为128*64.设立八组模型矩阵Wq,Wk,Wv,那么也就会获得八组128*64大小的输出结果,将八组结果拼接起来,就得到与输入相同的向量大小。

2025-08-27 11:24:00 780

原创 深度学习07——特征

只需要让相同的类的特征离得更近,模型就可以训练出提取这个类的特征的能力。此时特征中包含了图片的全部内容,诸如风格、内容等等,因此我们可以将两个图片的特征分离并相互融合形成新的图片。中,模型的核心目标是 “学习从输入到标签的映射关系”,数据标签作为 “监督信号”,会引导模型优先提取与标签相关的特征。在经过大量的训练后,模型就具备了优秀的提取特征的能力,此时将它作为解码器,并在模型后加上分类头就可以很好的完成分类任务。将图片转为黑白模型,并将原始图片作为目标,以此训练模型,使得模型具有提取特征的能力。

2025-08-21 13:41:00 522

原创 深度学习06——图像分类实战

如何使用无标签数据。如图当模型进过一定训练且拥有一定准确率后,可以将无标签数据投入模型中进行预测,将预测结果作为真实标签用于模型的进一步训练。某点的计算梯度并不完全等于当前点的梯度,而是如公式所示不仅要考虑当前点的梯度,同时还要考虑前点的梯度值。已经训练好的模型提取出了优秀的图片特征,计算好了相关参数,因此我们可以直接利用已经训练好的编码器,再使用自己的分类头。为了解决这一问题,在训练之初就将图片进行各种缩放、翻转、对比度调大等变化输入模型,让模型训练各种形式的图片,以达到训练效果,这一过程称为数据增广。

2025-08-19 15:15:14 586

原创 深度学习05——图像分类

本文介绍了分类任务与卷积神经网络的基本原理。分类任务需使用独热编码表示类别,通过交叉熵损失计算输出与实际值的差异。卷积神经网络通过卷积核提取特征图,配合池化操作降低维度,解决图像分类问题。文章详细解释了卷积运算、padding、步长等概念,并介绍了经典模型AlexNet(采用ReLU、Dropout等技术)和ResNet(引入1×1卷积和残差连接解决梯度消失问题)。最后指出全连接层与卷积层的关系,说明卷积参数可通过梯度更新进行优化。核心思想是通过卷积神经网络有效处理图像分类任务,同时控制模型复杂度。

2025-08-09 22:53:51 923

原创 深度学习04——回归实战

以往一笔数据通常被分为训练集和测试集,训练出来的模型在训练集自变量范围内效果优秀,但是超出自变量范围的数据预测效果差劲。因此引入验证集,将原先训练集数据划分出一部分来,用以验证在模型训练过程中哪组参数预测效果最好。_forward_规定数据如何通过模型。为了避免模型过拟合,必须减小模型y=𝑤x+b中𝑤的影响,因此就需要使得loss函数正则化,即LOSS=loss+k*(𝑤^2)验证集只用来将数据带入训练模型内,不对模型进行更新,仅将数据带入模型和实际结果进行对比,判断训练出来的模型效果。

2025-08-04 15:58:25 448

原创 深度学习03

【代码】深度学习03。

2025-07-06 17:27:35 153

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

提示
确定要删除当前文章?
取消 删除