- 博客(2)
- 收藏
- 关注
RSS订阅原创 Pytorch:双全自编码器压缩重建网络实验
本文提出了一种基于双全自编码器（DualAutoencoder）的图像压缩与重建方法。首先将输入图像分割为32×32的小块，通过编码器进行降维压缩（采样率分别为0.5%、25%和90%），再经解码器重建后拼接还原。实验采用MSE损失和Adam优化器，在T91数据集训练100个epoch。测试阶段使用Set5数据集评估，通过PSNR指标对比不同采样率的重建效果。结果显示，随着采样率提高，PSNR显著改善（最高达40dB以上），但低采样率（0.5%）仍能保持基本结构。损失曲线表明模型收敛稳定，验证了该方法在保持
2025-10-06 15:42:45
682
原创 PyTorch模型构建全攻略：从零开始掌握深度学习模型搭建
神经网络结构通过继承nn.Module类创建属于自己自定义的网络模型，其中网络模型主要包括__init__(self)方法和forward(self,input)方法两部分组成，在__init__(self)方法中定义网络层，在forward(self,input)方法中定义数据流向。主要代码形式如下所示：首先导入相关的torch库。
2025-10-01 21:29:30
584
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人