- 博客(7)
- 收藏
- 关注
RSS订阅原创 从0设计并训练一个神经网络
以下使用手写数字识别如何涉及，实现并训练一个标准的前馈神经网络我们涉及并训练一个三层的神经网络，以数字图像作为输入，经过神经网络的计算就会识别图像中的数字是几，从而实现数字图像的分类。
2024-07-21 13:42:53
610
原创 零基础，快速学YOLO目标检查算法（YOLO—v1,2,3快速学习）
1.two-stage(两阶段)：Faster-rcnn Mask-Rcnn系列，先有预选，预选完之后再通过预选得到最终结果。速度通常较慢，但效果不错2.one-stage(单阶段)：YOLO系列，普通回归任务。最核心的优势，速度非常快，适合做实时检测任务，但效果通常情况不会太好。
2024-07-20 12:50:46
1329
原创 完全小白如何快速开启目标检测学习
博主是一名准大二学生，在大一暑假在学校找到一位导师准备加入他的实验室，在过去的十几天里，博主从完全小白到摸上一点点门路，以下是博主建议的初步学习路径。
2024-07-19 22:57:16
437
原创 卷积神经网络CNN从入门到实战
计算机视觉，简称CV卷积神经网络主要应用于计算机视觉任务中深度学习大大减少了计算机视觉邻域的错误率卷积神经网络应用：一些传统计算机视觉任务或者以后出现的计算机视觉任务，如：图像的检测和追踪，分类和检索，超分辨重构，医学任务，无人驾驶卷积神经网络：特征提取核心点：怎么样进行特征提取传统神经网络问题：权重参数矩阵大，花费训练时间多，而且过拟合风险大卷积神经网络无非就是做卷积，做全连接，做各种运算卷积神经网络与传统网络的区别：传统神经网络先把数据拉成一个向量，而卷积神经网络直接对图像数据进行特征提取输入层卷积层（
2024-07-18 23:18:49
566
原创 机器学习基础知识
机器学习经典定义：利用经验改善系统自身的性能经验以数据的形式存在于计算机系统，机器学习要去利用经验，就必须要对数据进行分析。机器学习现在主要是在研究只能数据分析的理论和方法。大数据经过智能数据分析（机器学习）才有大价值。关于结果的东西叫作类别标记（label,标签）。训练数据经过训练过程得到一个模型。研究的核心是学习算法，而学习算法会直接导致你会获得什么样的模型。算法针对什么样的数据是有效的，这样的数据需要满足什么样的特点，而它产生的模型又是在什么情况下有效，这样的模型本身又具有什么样的特点。
2024-07-17 16:52:30
392
原创 小白入手Pytorch深度学习（b站视频学习笔记）
人工神经网络，简称神经网络，模仿生物神经网络的结构和功能的数学模型，用与对函数进行估计或近似。（应用例如机器视觉和语言识别）每次迭代都需要把所有样本都送入，这样的好处是每次迭代都顾及了全部的样本，做的是全局最优化在torch中提供了数据集的基类torch.utils.data.Dataset，继承这个基类，我们能够非常快速的实现对数据的加载可知，我们需要在自定义的数据集类中继承Dstaset类，同时还需要实现两个方法：1.__len__方法，能够实现通过全局的len()方法获取其中的元素个数。
2024-07-16 15:58:20
1190
原创 Python 类和对象
成功调用了初始化函数，初始化函数也可以加参数。类：对象的模板，再根据模板创造出对象来。对象：一个一个的个体，实实在在的东西。想要对象拥有name属性就得改为。这就简单创建了一个类。2.根据类来创建对象。
2024-07-11 17:41:34
191
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