weixin_45562510的博客

写在开头（重复的）1.课程来源：torch中文教程1.7版.torch中文文档.2.笔记目的：个人学习+增强记忆+方便回顾3.时间：2021年4月21日4.仅作为个人笔记，如有需要请务必按照链接阅读文档—以下正文—一、torch.nn到底是干嘛的1.torch.nn库中包含一系列函数和类。torch.nn.functional模块包含torch.nn库中的所有函数，通常按照惯例将其导入到名称空间F中，这样可以方便的调用torch.nn中所有函数。 除了广泛的损失和激活函数外，您还会在这里找

笔记：计算机视觉与深度学习-北邮-鲁鹏-2020年录屏写在开头（重复的）1.课程来源：B站视频.2.笔记目的：个人学习+增强记忆+方便回顾3.时间：2021年4月26日4.同类笔记链接：（钩子：会逐渐增加20210414）第一讲.第二讲.第三讲.第四讲.第五讲.第六讲.第七讲.5.请一定观看视频课程，笔记是对视频内容的有限度的重现和基于个人的深化理解。6.注意符号 SS：意味着我的个人理解，非单纯授课内容，有可能有误哦。—以下正文—一、生成对抗模型（GAN，generativ

笔记：计算机视觉与深度学习-北邮-鲁鹏-2020年录屏写在开头（重复的）1.课程来源：B站视频.2.笔记目的：个人学习+增强记忆+方便回顾3.时间：2021年4月24日4.同类笔记链接：（钩子：会逐渐增加20210414）第一讲.第二讲.第三讲.第四讲.第五讲.第六讲.第七讲.5.请一定观看视频课程，笔记是对视频内容的有限度的重现和基于个人的深化理解。6.注意符号 SS：意味着我的个人理解，非单纯授课内容，有可能有误哦。—以下正文—一、无监督学习的分类1.十二讲及之前内容

笔记：计算机视觉与深度学习-北邮-鲁鹏-2020年录屏写在开头（重复的）1.课程来源：B站视频.2.笔记目的：个人学习+增强记忆+方便回顾3.时间：2021年4月21日4.同类笔记链接：（钩子：会逐渐增加20210414）第一讲.第二讲.第三讲.第四讲.第五讲.第六讲.第七讲.5.请一定观看视频课程，笔记是对视频内容的有限度的重现和基于个人的深化理解。6.注意符号 SS：意味着我的个人理解，非单纯授课内容，有可能有误哦。—以下正文—一、可视化（一）可视化方法之一-基于反向传

写在开头1.课程来源及所有代码来源，后面不再每一步中标明了：pytorch官方网站的Tutorials.和Docs.2.笔记目的：个人学习+增强记忆+方便回顾3.时间：2021年4月19日4.同类笔记链接：（钩子：会逐渐增加20210414）第一讲.第二讲.第三讲.第四讲.第五讲.第六讲.第七讲.5.之所以要在基本学习了机器学习课程一周后加入动手的一节，是因为单纯的学习知识是枯燥的，必须要动手做出一个无论大小无论是否有用的东西才能形成正向的反馈。在枯燥学习-奖励性质的正向反馈，如此循

笔记：计算机视觉与深度学习-北邮-鲁鹏-2020年录屏写在开头（重复的）1.课程来源：B站视频.2.笔记目的：个人学习+增强记忆+方便回顾3.时间：2021年4月19日4.同类笔记链接：（钩子：会逐渐增加20210414）第一讲.第二讲.第三讲.第四讲.第五讲.第六讲.第七讲.5.请一定观看视频课程，笔记是对视频内容的有限度的重现和基于个人的深化理解。6.注意符号 SS：意味着我的个人理解，非单纯授课内容，有可能有误哦。—以下正文—一、目标检测（一）分类+定位两个任务1

一、上节剩下的一点（一）用1×1卷积进行压缩会损失信息吗？1.答：不会。思维不能局限于m×n×64经过32个卷积核卷积成了m×n×32的特征响应图组这件事。要去思考m×n×64这张图是从一个尺寸为a×b（a≥m，b≥n）的，要再×3（RGB三层）的，总体来说是a×b×3的图。他在压缩成m×n×64时，该发生的损失已经发生了，而且深度从3变成64，说明这个方向上的信息非常稀疏。在经过本层变换m×n×64变成m×n×32，信息依旧是稀疏的，所以说这种压缩不会丢失信息。二、ResNet（残差网络）（1

上节回顾（00：00-11：51）经典网络解析一、AlexNet（一）认识AlexNet的结构1.AlexNet网络的结构：1.1计算网络层数时仅统计卷积层和全连接层；CONV是卷积层，NORM是归一化层（AlexNet的归一化层已经不常用了），MAX POOL是池化层，FC是全连接层。1.2CONV1：96个11×11卷积核，步长为4，没有0填充。（CONV自带了一个ReLU激活函数）（原图227×227×3，本层输出55×55×96）1.3MAX POOL1层：窗口大小3×3，步长

上节复习（00：00-11：39）一、纹理表示（一）纹理1.纹理：人脸也是纹理的一种。你可以理解为任何一种模式都可以称为纹理。2.纹理分为规则纹理和随即纹理。3.为识别纹理，引入一种基于卷积核组的纹理表示方法。3.1该方法 利用卷积核组提取图像中的纹理基 + 利用基元的统计信息来表示图像中的纹理。（二）基于卷积核组的纹理表示方法1.先具一个实际的例子注：实施上上图的“边缘”是高斯一阶偏导卷积核、“条状”是高斯二阶偏导卷积核。而神经网络的学习，就是学出很多这样带有不同特征的卷积核

笔记：计算机视觉与深度学习-北邮-鲁鹏-2020年录屏写在开头（重复的）1.课程来源：B站视频.2.笔记目的：个人学习+增强记忆+方便回顾3.时间：2021年4月14日4.同类笔记链接：（钩子：会逐渐增加20210414）第一讲.第二讲.第三讲.第四讲.第五讲.5.请一定观看视频课程，笔记是对视频内容的有限度的重现和基于个人的深化理解。6.注意符号 SS：意味着我的个人理解，非单纯授课内容，有可能有误哦。—以下正文—前讲回顾（00：00-08：54）深刻理解卷积（只有明白了卷

一、欠拟合与过拟合（一）概念（略）1.欠拟合：。。。2.过拟合：。。。

笔记：计算机视觉与深度学习-北邮-鲁鹏-2020年录屏写在开头（重复的）1.课程来源：B站视频.2.笔记目的：个人学习+增强记忆+方便回顾3.时间：2021年4月12日4.同类笔记链接：（钩子：会逐渐增加20210408）第一讲.第二讲.第三讲.第四讲.5.请一定观看视频课程，笔记是对视频内容的有限度的重现和基于个人的深化理解。6.注意符号 SS：意味着我的个人理解，非单纯授课内容，有可能有误哦。—以下正文—（00：00-25：00）为复习内容一、全景预览（共11个问题）项目

笔记：计算机视觉与深度学习-北邮-鲁鹏-2020年录屏写在开头（重复的）1.课程来源：B站视频.2.笔记目的：个人学习+增强记忆+方便回顾3.时间：2021年4月11日4.同类笔记链接：（钩子：会逐渐增加20210408）第一讲.第二讲.5.请一定观看视频课程，笔记是对视频内容的有限度的重现和基于个人的深化理解。6.注意符号 SS：意味着我的个人理解，非单纯授课内容，有可能有误哦。—以下正文—一、全景预览（共11个问题）注：图像表示问题一笔带过二、多层感知器（又称全连接神经网络）

笔记：计算机视觉与深度学习-北邮-鲁鹏-2020年录屏写在开头（重复的）1.课程来源：B站视频.2.笔记目的：个人学习+增强记忆+方便回顾3.时间：2021年4月9日4.同类笔记链接：（钩子：会逐渐增加20210408）第一讲.第二讲.5.请一定观看视频课程，笔记是对视频内容的有限度的重现和基于个人的深化理解。6.注意符号 SS：意味着我的个人理解，非单纯授课内容，有可能有误哦。—以下正文—一、正则项与超参数（一）正则损失1.正则损失，写作λR（W），其中R(W)是一个与权值有

笔记：计算机视觉与深度学习-北邮-鲁鹏-2020年录屏一、写在开头（重复的）1.课程来源：B站视频.2.笔记目的：个人学习+增强记忆+方便回顾3.时间：2021年4月8日4.同类笔记链接：（钩子：会逐渐增加20210408）5.请一定观看视频课程，笔记是对视频内容的有限度的重现和基于个人的深化理解。—以下正文—一、本章解决什么问题1.什么是图像分类任务？它有哪些应用场合？(答：找特征，贴标签）2.图像分类任务有哪些难点？3.基于规则的方法是否可行？4.什么是数据驱动的图像分类范式？

笔记：计算机视觉与深度学习-北邮-鲁鹏-2020年录屏一、写在开头（重复的）1.课程来源：B站视频.2.笔记目的：个人学习+增强记忆+方便回顾3.时间：2021年4月8日4.同类笔记链接：（钩子：会逐渐增加20210408）5.请一定观看视频课程，笔记是对视频内容的有限度的重现和基于个人的深化理解。—以下正文—一、计算机视觉的主要用途和相关科学1.在生活中的应用：车牌识别、球赛中摄像机跟踪、图像处理、人脸识别、医疗图像中疾病特征的识别、SAR（Synthetic Aperture Rada