程传哲-CSDN博客

原创实验4：MobileNet & ShuffleNet

描述实验过程中所遇到的问题，以及是如何解决的。有哪些收获和体会，对于课程的安排有哪些建议。通过实操HybridSN的3D+2D卷积组合，我从“理论认知”转向“实践掌握”：明确了3D卷积核（如7×3×3）的“深度×高度×宽度”三维结构，理解其通过在光谱-空间三维体中滑动捕捉跨维度关联的原理；也清晰了2D卷积仅处理空间维度的局限性，以及Reshape环节“通道-深度融合”的核心作用——将3D卷积提取的光谱-空间特征转化为2D卷积可处理的平面特征。

2025-11-03 18:57:46 1203

原创中国海洋大学25秋《软件工程原理与实践》

MNIST数据集是手写数字识别领域的经典基准数据集，包含70000张28×28像素的灰度图像，其中60000张为训练集，10000张为测试集。图像内容为0-9的手写数字，每个图像对应一个类别标签。该数据集像素值范围为0-255，代表灰度深浅，0为纯白，255为纯黑。全连接神经网络的核心特点是相邻层的每个神经元与前一层的所有神经元完全连接。在图像分类任务中，需先将28×28的二维图像展平为784维的一维向量作为输入。

2025-10-25 21:29:59 594

原创静态分析工具 SonarQube

SonarQube 并非简单的 “代码纠错工具”，而是以 “持续改进代码质量” 为目标的综合性平台。其核心价值在于：从代码提交到上线部署的全流程中，自动识别质量缺陷、安全漏洞、代码异味，并量化评估代码的可维护性、可读性与合规性，帮助团队建立统一的代码质量标准，减少后期运维成本。它支持近 30 种编程语言（如 Java、Python、JavaScript、C/C++、Go 等），无论是单体应用还是微服务架构，均可无缝集成到研发流程中，实现 “分析 - 反馈 - 优化” 的闭环。

2025-10-07 19:01:33 1883

原创实验2：深度学习基础

本文介绍了在Google Colab上完成的PyTorch深度学习基础实验，包括张量操作和螺旋数据分类任务。实验通过添加ReLU激活函数、批归一化和Dropout层优化模型性能，最终使用Adam优化器使准确率达到95%。文章还总结了AlexNet特点、激活函数作用、梯度消失等关键问题，并对比了SGD与Adam优化器的优劣。实验过程中遇到分类效果不佳的问题，通过调整网络结构和优化器得以解决。

2025-10-07 01:12:21 1223