- 博客(22)
- 收藏
- 关注
RSS订阅原创 Transformer核心—自注意力机制
本文介绍了Transformer模型中的核心机制——自注意力机制。首先分析了传统RNN和CNN在处理序列数据时的局限性，进而引出注意力机制的创新思路。自注意力机制通过Query、Key、Value三个向量分别表示查询、标识和内容角色，计算词与词之间的相似度得分，经softmax归一化后加权求和得到最终输出。文章还详细阐述了多头注意力机制，通过将注意力分成多个"头"来捕捉不同特征，提高模型表达能力。最后展示了PyTorch中多头注意力层的实现代码。全文清晰阐述了自注意力机制的计算过程及其优
2025-09-05 19:54:08
779
原创 深度学习卷积神经网络项目实战——超市商品分类
基于CNN的超市商品混合颗粒度分类项目摘要 本项目使用卷积神经网络(CNN)实现超市商品的500分类，应用于自助收银场景。采用RP2K数据集，包含200万+商品图像，涵盖多角度、遮挡等真实场景。项目使用预训练的GoogLeNet模型，通过迁移学习方法，仅微调最后一层全连接层(500分类)，冻结其他层参数。训练过程中采用数据增强(随机裁剪、翻转、颜色变换等)提升模型泛化能力，并配合Adam优化器和余弦学习率调度器进行50轮训练。最终实现高精度的商品分类，为零售业智能化提供技术支持。
2025-08-24 16:00:33
1466
原创 深度学习之NLP基础
自然语言处理(NLP)是人工智能的重要分支，旨在让计算机理解、处理人类语言。核心任务包括分词、词性标注、命名实体识别、情感分析等11大基础任务，广泛应用于智能客服、机器翻译、舆情分析等领域。NLP处理流程包含语料获取、预处理、特征工程、模型构建等步骤。关键技术包括词向量表示和词嵌入层，通过数值化方式将词语转化为计算机可处理的向量形式，如PyTorch中的nn.Embedding实现。
2025-08-21 20:00:01
919
原创 神经网络训练核心组件
本文介绍了梯度下降优化算法和常见激活函数。在优化算法部分，分析了传统梯度下降方法（BGD、SGD、MBGD）的局限性，并详细讲解了Momentum、AdaGrad、RMSProp和Adam四种改进算法。其中Adam结合了动量和自适应学习率的优势，成为广泛使用的优化方法。在激活函数部分，重点介绍了Sigmoid和tanh函数：Sigmoid将输入映射到(0,1)区间，但存在梯度消失问题；tanh输出范围(-1,1)，具有零均值特性，能更好地缓解梯度消失。这些内容为深度学习模型训练提供了关键的理论基础和实践指导
2025-08-13 20:20:58
761
原创 深度学习之CNN网络简介
CNN（卷积神经网络）是一种专门处理网格状数据的深度学习模型，主要由卷积层、池化层和全连接层组成。卷积层通过卷积核自动提取图像的局部特征（如边缘、纹理），减少参数量；池化层通过下采样压缩数据，保留关键信息并增强模型鲁棒性。CNN通过层级结构逐步抽象特征，广泛应用于计算机视觉任务，显著提升计算效率和特征提取能力，但可能丢失部分信息。整体上，CNN通过局部特征提取和参数共享机制，在图像处理中实现了高效且高性能的建模。
2025-08-13 19:17:24
1367
原创 全连接神经网络介绍与数据集准备
本文介绍了全连接神经网络的基本概念、结构和实现方法。全连接神经网络是一种多层感知机(MLP)，其特点是每层神经元与下一层所有神经元相连。文章阐述了神经网络的基本组成单元——神经元，以及隐藏层如何通过特征变换将输入数据逐步抽象化。详细讲解了PyTorch中线性层(nn.Linear)的实现原理和使用方法，包括如何构建自定义网络类和利用nn.Sequential简化模型搭建。最后，介绍了如何自定义数据集类(Dataset)，实现数据加载的核心方法(init、len__和__getitem)，为后续模型训练提供数
2025-08-07 20:17:15
981
原创 机器学习之线性回归与逻辑回归
本文介绍了机器学习中的线性回归算法及其核心概念。首先阐述了回归与分类的区别，指出线性回归用于预测连续型数据。文章详细讲解了线性回归的基本原理、损失函数（如MSE、MAE等）的作用，以及如何处理多特征输入的矩阵运算方法。重点介绍了梯度下降优化算法，包括其数学原理、迭代过程和公式实现，并通过单特征示例代码展示了梯度下降的具体应用。最后提到该方法可扩展到多参数场景，为机器学习模型训练提供理论基础。
2025-08-05 19:52:38
1145
原创 OpenCV图像预处理（三）
摘要：图像噪点是干扰图像原始信息的杂点或斑点，影响后续处理。常见的噪点类型包括高斯噪声和椒盐噪声。消除噪点的主要方法是使用滤波器，如低通滤波器（平滑图像）和高通滤波器（锐化边缘）。具体滤波方法包括：均值滤波（取核区域均值）、方框滤波（可归一化为均值滤波）、高斯滤波（基于正态分布加权）、中值滤波（取中位数，适合椒盐噪声）和双边滤波（结合空域和值域信息，保留边缘）。不同噪声类型需采用相应滤波方法，如高斯滤波处理高斯噪声，中值滤波处理椒盐噪声。
2025-07-26 15:04:52
1187
原创 OpenCV图像预处理（二）
本文介绍了OpenCV中图像翻转和仿射变换的基本原理与实现方法。图像翻转包括垂直、水平和双向翻转三种方式。仿射变换部分详细讲解了旋转、平移、缩放和剪切四种变换的数学原理及实现，重点阐述了如何构建变换矩阵M。此外，文章还介绍了五种常用的图像插值方法（最近邻、双线性、区域插值、双三次和Lanczos插值），分析了它们的工作原理和适用场景，帮助读者理解如何在不同变换情况下保持图像质量。这些技术为图像处理中的几何变换提供了理论基础和实用实现方法。
2025-07-26 14:49:37
1308
原创 OpenCV图像预处理（一）
本文介绍了图像处理中两种主要的颜色空间（RGB和HSV）及其转换方法。RGB颜色空间适用于显示设备，但不利于颜色调节；HSV颜色空间更符合人眼感知，便于颜色检测和调节。文章详细讲解了三种颜色加法操作：cv.add()、numpy直接相加（不推荐）和加权加法。重点阐述了颜色空间转换API（cv.cvtColor）和三种灰度化处理方法：最大值法、平均值法和权重法，通过代码示例展示了如何实现图像灰度处理。这些方法在图像处理中应用广泛，能够简化图像数据，提高处理效率。
2025-07-23 20:26:53
1168
原创 OpenCV之图像基础
OpenCV（Open Source Computer Vision Library）是一个开源的跨平台计算机视觉与图像处理库，支持C/C++、Python、Java等语言开发。它广泛应用于图像处理、特征提取、视频处理、目标检测、人脸识别等领域。 在Python中，通过cv2模块使用OpenCV，图像以NumPy数组形式存储，彩色图像为三维数组（BGR通道顺序）。基本操作包括： 图像读取/显示/保存：cv2.imread()、cv2.imshow()、cv2.imwrite() 调整大小/裁剪：cv2.re
2025-07-22 19:11:19
1477
原创 python之模块(Module)和包(Package)
本文介绍了Python模块和包的基本概念及使用方法。模块是包含函数、类、变量的.py文件，分为内置模块、第三方模块和自定义模块三种。讲解了不同导入方式的优缺点，推荐使用import module方式。包是包含多个模块的文件夹，需包含__init__.py文件，用于组织模块和初始化代码。最后介绍了第三方库的安装方法，包括使用pip和国内镜像源安装，以及常用pip操作命令。文章对Python代码的组织和管理提供了清晰的指导。
2025-07-18 19:06:04
981
原创 python之迭代器与生成器
本文介绍了Python中迭代器和生成器的核心概念与应用。迭代器通过实现__iter__()和__next__()方法，支持数据遍历且只能单向访问；生成器则是特殊的迭代器，通过yield关键字实现惰性计算，节省内存。文章通过自定义倒计时迭代器、车牌图片数据处理等案例，展示了二者的实际应用场景，并对比了yield与return的区别。这些特性特别适合处理大数据流，是Python高效编程的重要工具。
2025-07-17 19:22:14
842
原创 python之面向对象编程
本文介绍了Python面向对象编程中的核心概念。主要内容包括：1）类与对象的定义，通过class关键字创建类模板，再实例化为具体对象；2）属性的两种类型 - 实例属性（每个对象独有）和类属性（所有对象共享）；3）三种方法：实例方法（操作对象属性）、类方法（@classmethod修饰，操作类属性）和静态方法（@staticmethod修饰，无需访问类或实例）。文章通过Band类等实例演示了类定义、对象创建、属性访问和方法调用的基本语法和使用场景。
2025-07-16 19:25:40
1204
原创 python函数基础知识之递归函数与装饰器
本文介绍了Python中的递归函数和装饰器两大核心技术。递归函数通过自身调用实现问题的分解，必须包含终止条件防止无限递归，文中给出了斐波那契数列和阶乘的递归实现示例。装饰器是一种在不修改原函数的情况下扩展其功能的工具，文章详细讲解了普通装饰器、带参数装饰器以及装饰器链的使用方法，包括日志记录、权限验证等实际应用场景。通过具体代码示例，展示了如何在函数执行前后添加额外操作，以及如何将多个装饰器组合使用。
2025-07-15 19:23:22
408
原创 python基础知识之自定义函数
本文介绍了Python自定义函数的基本概念和使用方法。主要内容包括：1)函数定义语法及返回值说明；2)7种函数调用方式：基本调用、位置传参、默认值传参、关键字传参、可变位置参数(args)、可变关键字参数(**kwargs)以及参数解包技巧；3)特别强调了参数传递顺序规则和注意事项。文章通过具体代码示例展示了每种调用方式的用法，最后总结了对和**参数的理解技巧，可作为函数参数传递的实用参考指南。
2025-07-14 18:57:35
261
原创 python基础知识之表达式、语句、函数（内置函数）
本文介绍了Python中的表达式和语句的基本概念及用法。主要内容包括： 表达式部分： 基础表达式类型（算术、比较、逻辑、赋值、成员、三元表达式） 推导式（列表、集合、字典推导式） Lambda表达式和生成器表达式 语句部分： 赋值语句和条件语句（if-elif-else和match-case） 循环语句（for和while循环，range语句） 控制语句（break、continue、pass） 异常处理语句（try-except-finally、raise、assert） 函数部分： 函数定义语法 内置函
2025-07-11 19:08:29
375
原创 python基础知识之变量——复合类型变量
本文总结了Python中的四种复合数据类型：列表、元组、字典和集合。列表使用方括号创建，支持增删查改操作；元组用圆括号创建，是不可变容器；字典以键值对形式存储数据；集合为可变容器，元素唯一且无序。文章详细介绍了每种类型的创建方法、基本操作和常用API，包括列表的索引访问、元组的解构赋值、字典的键值访问以及集合的添加删除操作。这些数据类型是Python编程中的基础容器，掌握它们的使用方法对数据处理至关重要
2025-06-12 11:23:22
986
原创 python基础知识之变量——基础变量
本文介绍了Python编程的基础知识，主要包括：1.注释方法（单行注释快捷键Ctrl+/，多行注释用三引号）；2.输入输出函数（input和print）；3.变量命名规则与赋值方式；4.基础数据类型（字符串、数字、布尔、复数、字节串等）及其操作；5.字符串格式化（%格式化、f-string）和常用方法；6.类型转换函数（int、float、round等）；7.特殊的None值表示。文章通过代码示例详细说明了字符串索引、切片、转义等操作，以及数字类型的不同表示方法，适合Python初学者快速掌握基础语法要点。
2025-06-11 14:13:09
968
原创 AI入门——python环境搭建
本文提供了Python开发环境的详细安装配置指南。首先介绍Anaconda下载安装步骤并强调必须配置环境变量；其次提供PyCharm或VSCode的下载选择建议；最后分别说明Anaconda环境配置、PyCharm解释器设置以及VSCode插件安装等关键配置步骤，完成Python开发环境搭建。全文以简明操作步骤为主，突出环境变量配置等注意事项，为开发者提供一站式环境搭建指导。
2025-06-11 10:50:06
460
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