- 博客(4)
- 收藏
- 关注
RSS订阅原创 深度学习与神经网络学习报告(第四周)
文本预处理实例：IMDB影评数据集，有5万条电影评论，每条评论可分为正面或负面，是一个二分类问题，2.5万条训练数据， 2.5万条测试数据。一篇文章可以被简单地看作一串单词序列，甚至是一串字符序列。我们将解析文本的常见预处理 步骤。
2025-05-26 16:19:57
598
原创 深度学习与神经网络学习报告（第三周）
本次学习重点梳理视觉任务中核心数据集、评价指标及经典算法（如 YOLO、全卷积网络等）等知识点。MNIST 与 Fashion-MNISTpython运行 CIFAR-10PASCAL VOC 2012plaintext 标注示例：每个图像对应同名 XML 文件，记录目标边界框、类别等信息。 MS COCOImageNet
2025-05-18 12:53:12
886
原创 深度学习与神经网络学习报告(第一周)
多层感知机(MLP)是一种前馈人工神经网络，由输入层、隐藏层和输出层组成。与单层感知机不同，MLP能够解决非线性可分问题，这得益于其多层结构和非线性激活函数的使用。Adam(Adaptive Moment Estimation)：结合动量和自适应学习率。2. 反向传播：误差从输出层反向传播，调整各层权重。隐藏层：进行特征提取和转换(通常1个或多个)合适的权重初始化(如Xavier初始化)2.2 BP算法(反向传播算法)概述。理论上可以逼近任何连续函数。Dropout防止过拟合。有助于加速收敛并减少振荡。
2025-05-12 16:40:25
149
原创 深度学习与神经网络学习报告(第二周)
本周系统性地学习了卷积神经网络（CNN）的核心知识，涵盖其理论基础、关键结构、训练方法、经典模型，并初步掌握了相关开发工具（PyTorch）和数据集（MNIST、COCO、ImageNet）的使用方法。CNN 通过局部感受野（Local Receptive Fields）和权值共享（Weight Sharing）显著减少参数，提高计算效率，并更好地提取空间特征。：模拟人脑视觉机制，逐层提取低阶（边缘、纹理）→ 高阶（物体部件、整体）特征。2.损失计算：交叉熵（分类）、MSE（回归）等。
2025-05-12 16:13:38
326
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