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(21)
  • 收藏
  • 关注

原创 AI工具折腾记

目前简单聊聊我自己这些年折腾过的 AI 工具吧。最早接触 AI,是 ChatGPT 刚问世那会儿。我属于那批“第一时间冲上去感受新时代”的用户,说真的,当时的震撼感现在都记忆犹新。不过嘛,它得科学上网,对网络要求也高,后面又开始收费,于是我在工作中就慢慢转向更接地气的国产工具,比如豆包。

2025-12-11 23:14:46 733

原创 第T1周——实现mnist手写数字识别

众所周知,MNIST是机器学习入门的hello word!它是一个大型的手写数字数据库,通常用于训练各种图像处理系统。MNIST 数据库包含 60,000 张训练图像和 10,000 张测试图像。TenosorFlow实现mnist手写数字识别,学习了model.compile、model.fit和model.predict函数。7.1 model.compile函数compile(loss=None,**kwargsoptimizer字符串(优化器的名称)或优化器实例。参见loss损失函数。

2023-05-12 13:55:12 680

原创 第R3周:天气预测

(Exploratory Data Analysis,简称EDA)是指对数据集进行初步探索,以发现数据中存在的模式、异常和趋势,从而帮助研究人员更好地了解数据、熟悉数据、分析数据。EDA的主要目的是:理解数据的特征:通过描述性统计和可视化方法,了解数据的分布、中心位置、离散程度、异常值等特征,包括数据集中有哪些变量,变量之间的关系如何等。检查数据质量:查看数据集中是否存在缺失值、重复值、异常值等数据质量问题,确保数据的完整性和准确性。确定数据预处理方法:在数据分析前对数据进行预处理,例如。

2023-05-01 00:58:28 938 1

原创 R2周-LSTM-火灾温度预测

RNN原理:在标准 RNN 中,这个重复模块将具有非常简单的结构,例如单个 tanh 层LSTM网络改进了RNN,可以学习到长期依赖关系。

2023-04-29 16:28:16 1327 2

原创 第J6周:ResNeXt-50实战解析

ResNeXt-50网络简单讲就是在ResNet结构的基础上采用了聚合残差结构和局部连接结构,同时引入了Random Erasing和Mixup等数据增强和正则化方法。

2023-04-01 01:26:41 810

原创 第J3周:Densenet

DenseNet相比ResNet,拥有更密集的连接机制:互相连接所有层,即元素叠加。这可以实现特征重用,提高效率。

2023-03-03 23:55:22 416

原创 第J2周:Resnet-50V2

比较Resnet50V2和Resnet50的区别,tf和pytorch互转

2023-02-22 15:13:43 295

原创 第J1周:Resnet-50

学习了ResnetV50模块,tf和pytorch互转。

2023-02-22 15:09:13 207

原创 yolo.py 文件解读[Y5周]

yolo.py文件包括模型解析模块parse_model、计算shape模块Detect和模型搭建模块DetectionModel。需要注意的是,在common.py中添加新的模块,需要在parse_model模块里重新添加。

2022-12-26 13:10:43 1380

原创 YOLOv5:commons.yaml文件解读

本文简单介绍了YOLOv5算法中 common.py文件,其中Conv、Bottleneck、C3很基础也很重要。

2022-12-19 14:09:09 866

原创 YOLOv5:yolov5s.yaml文件解读

本文简单解读了YOLOv5s.yaml文件

2022-12-10 20:52:02 1005

原创 YOLOv5:训练自己的数据集

本文用YOLOv5训练自己的数据

2022-12-09 21:46:50 559

原创 YOLOv5:调用官方权重进行检测

本文跑通官网YOLOv5源码,并用自己的数据进行了测试。

2022-11-27 21:02:55 2023

原创 YOLOv5-Backbone模块实现-P9

本次学习了YOLOv5-Backbone模块,它包括Conv模块、C3模块和SSPF模块。SSPF模块将经过Conv的x、一次池化后的y1、两次池化后的y2和3次池化后的self.m(y2)先进行拼接,然后再Conv提取特征。可以看出, SSPF模块没有改变特征图的通道数和尺寸,所以后续的4个输出能够在channel维度进行融合.

2022-11-20 18:14:41 628

原创 YOLOv5-C3模块实现-P8

本次学习了YOLOv5-C3模块,特别是BottleNeck模块。并尝试通过修改BottleNeck层数,将模型准确率提高了大约两个百分点。

2022-11-12 23:03:19 786

原创 第P7周:咖啡豆识别

探索(难度大):1.不影响准确率的情况下轻量化模型。🏡 我的环境:● 语言环境:Python3.8● 编译器:Pycharm● 深度学习环境:Pytorch。

2022-11-05 21:04:26 1054 1

原创 一些基本概念

交叉熵、KL散度、JS散度、Wasserstein 距离

2022-10-12 19:11:56 209

原创 通用测试技术

软件测试学习笔记

2022-10-06 16:36:47 1050

原创 彩色图片识别-第二周

1.CIFAR10采用深度学习方法来测试,取得了不错的效果。2.学习了卷积层和池化层的推导公式。改进CNN模型引入Dropout层,并将padding设置为same(即输入和输出图像大小一样)。分类网络引入softmax作为分类器。模型最终准确率达到了76.2%。

2022-10-02 22:05:28 1726

原创 实现mnist手写数字识别(第一周)

​本文为🔗365天深度学习训练营中的学习记录博客。1.​了解pytorch开发基础流程,学习一些函数的使用方法。2.通过改进CNN模型,20个epoch准确率达到了99.5%。

2022-09-28 14:39:01 3798

原创 Zuul API网关

才为什么使用?客户端直接访问微服务:多次请求不同的微服务、存在跨域请求、认证复杂、难以重构协议不友好含义支持动态路由与过滤功能模式中的门面模式,它相当于整个微服务架构中的门面,所有客户端的访问都通过它来进行路由及过滤。它实现了请求路由、负载均衡、校验过滤、服务容错、服务聚合等功能。路由功能负责将外部请求转发到具体的服务实例上去,是实现统一访问入口的基础过滤功能负责对请求过程进行额外的处理,是请求校验过滤及服务聚合的基础配置文件zuul: routes: #给服

2021-09-03 15:19:22 172

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