- 博客(11)
- 收藏
- 关注
RSS订阅原创 第P10周：Pytorch实现车牌识别
每次在服务器上运行代码之前都把代码在本地跑一下看能不能跑通，因为会遇到各种各样的bug，不管是原代码本身有误还是其他原因。主要是为了省钱……本周主要学习的就是怎么把图片分训练集和测试集，图片往往是分类型的，随机分训练集和测试集之前需要把图片的名称数字化，本节采用的方法好像叫做one-hot。
2024-07-26 18:15:57
489
原创 第P9周：YOLOv5-Backbone模块实现
这次学习遇到了很多bug，路径不对或者文件夹里有多的内容等等，下次跑代码前需要提前注意这些问题。
2024-07-19 11:55:35
374
原创 第P8周：YOLOv5-C3模块实现
优化深度学习模型，是在模型内部的卷积层、池化层加加减减，做一些微小的改动（但是有经验的算法工程师或许更知道一个模型如果表现不好应该对哪个细节进行修改？从而对症下药），之前在网站上看到识别人的步态的从零开始编写深度学习代码，感觉那个很有意思，针对具体的生活中的问题，从零开始写代码。虽然但是，先把经典深度学习框架学个大概吧。YOLOv5是一个用于物体检测的网络，具有快速、实时检测的能力，输出包括边界框和类别标签。VGG-16是一个用于图像分类的网络，具有较深的结构和良好的分类性能，输出是图像的类别标签。
2024-07-11 16:07:41
3737
原创 第P7周：马铃薯病害识别（VGG-16复现）
上周没有自己手动搭建VGG-16框架，这周学习了如何手动搭建VGG-16框架，感觉这个深度学习的各个环节都有很多可以微调的地方，排列组合一下或许可以探索其他不同的模型，比如加一个连接层减一个连接层之类的。
2024-06-28 16:44:14
396
原创 第P6周：VGG-16算法-Pytorch实现人脸识别
本次是在服务器上跑的，速度非常快！ImageNet这个图像集有很多类似的算法，可以通过这个图像集来学习不同的深度学习算法。初步学会了VGG-16算法的原理和代码运行，通过参数调整、加入正则化、数据增强等方法对原有模型进行调整从而提高测试集的准确率。应再深入学习该算法的原理。
2024-06-21 15:23:03
874
原创 第P5周：Pytorch实现运动鞋识别
上一节中就提到了如何提高模型准确率这个问题，可以通过改变学习率、步长等参数来调节模型，之前对于学习率直接采用了三个不同的值，本节介绍了：等间隔动态调整方法，每经过step_size个epoch，做一次学习率缩减，以gamma值为缩小倍数。该方法更加灵活，能够动态调节学习率。关键参数详解optimizer(Optimizer)：是之前定义好的需要优化的优化器的实例名step_size(int)：是学习率衰减的周期，每经过每个epoch，做一次学习率decay。
2024-06-11 16:24:13
423
2
原创 第P4周：猴痘病识别
本节的要求是保存效果最好的模型，由于我在我的小小笔记本跑这个深度学习，内存不太够，而且还没有GPU，只能用CPU跑，汗颜……所以只换了一个参数，分别是learn_rate=1e-3，optimizer_type = torch.optim.Adam，这个搭配的效果更好一些（但是咩有截图，再次流汗黄豆……），以上展示的是learn_rate=1e-4，optimizer_type = torch.optim.sdg，准确率稍微低一点点吧。
2024-05-26 21:41:10
291
原创 第P3周：Pytorch实现天气识别
freeze_support() # 加上这一句main()2.有bug时回顾了在虚拟环境中安装包的过程：conda activate studypytorch（激活）3.感觉代码还是挺复杂的，很多函数一下子也记不住，希望见多了慢慢熟悉起来吧。
2024-05-19 17:58:35
256
1
原创 第P2周：CIFAR10彩色图片识别
本节学会的内容有：卷积层和池化层的shape的计算，对于整个深度学习的流程和步骤也已经大致熟悉了，但是文中训练模型的部分有些讲解理解的不是很好，有时间尽量多参考参考类似的教材吧！
2024-05-12 20:27:28
1625
原创 深度学习笔记P1-Pytorch实现mnist手写数字识别
代码跑通的时候，激动的心情难以言表！本节学会的内容：1.CNN神经网络2.一些python函数。
2024-05-05 13:57:08
1756
1
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