- 博客(7)
- 收藏
- 关注
RSS订阅原创 scala基础语法
4. 字面量标识符：用反引号 定义的字符串，如x yield``，可在反引号间使用任何有效 Scala 标识符，如 Thread.yield`()` （`yield` 是 Scala 关键字，需用此方式调用 Thread 的 `yield` 方法）。2. 引用包：使用 import 关键字，如 import java.awt.Color（引入 Color）、import java.awt._（引入包内所有成员），import 语句可出现在任何地方，效果从开始延伸到语句块结束，可减少名称冲突。
2025-03-27 11:13:01
378
原创 U-net
3. U-net+++：通过不同的max pool整合低阶特征（如轮廓信息），上采样整合高阶特征（具有大感受野的全局信息），各层统一用卷积得到64个特征图，最终组合这些特征。○ 整体网络结构：注重特征融合，拼接更加全面，其思想与densenet一致，尽可能利用各种特征提升性能。○ 整体结构：采用编码解码过程，结构简单实用，应用广泛，最初用于医学方向，目前仍在该领域发挥重要作用。○ 主要网络结构：引入特征拼接操作，区别于以往的加法操作，通过这种结构有效完成图像分割任务。
2025-03-21 11:07:09
334
原创 【无标题】
➢从现在的角度来看，Batch Normalization已经成网络必备处理。➢经过Batch Normalization处理后的网络会提升2%的mAP。➢可能导致模型水土不服，V2训练时额外又进行了10次448*448的微调。➢V1训练时用的是224*224，测试时使用448*448。➢使用高分辨率分类器后，YOLOv2的mAP提升了约4%➢把检测问题转化成回归问题，一个CNN就搞定了！➢问题2：小物体检测效果一般，长宽比可选的但单一。➢网络的每一层的输入都做了归一化，收敛相对更容易。
2025-03-12 16:22:39
295
原创 py数据处理箱
transforms提供了对PIL Image对象和Tensor对象的常用操作。transforms提供了对PIL Image对象和Tensor对象的常用操作。2.DataLoader：可以批量处理。相关参数介绍如下所示。2.DataLoader：可以批量处理。1）对PIL Image的常见操作如下。Pytorch数据处理工具箱。
2025-02-26 20:12:15
179
原创 【无标题】
残差块有两种，一种是正常的模块方式，将输入与输出相加，然后应用激活函数ReLU。·另一种是为使输入与输出形状一致，需添加通过1×1卷积调整通道和分辨率。组合这两个模块得到现代经典RetNet18网络结构。使用nn.Sequential按层顺序构建模型。使用nn.Sequential按层顺序构建模型。使用nn.Sequential按层顺序构建模型。继承nn.Module基类并应用模型容器构建模型。继承nn.Module基类并应用模型容器构建模型。继承nn.Module基类构建模型。1.加载预处理数据集。
2025-02-25 18:47:03
184
原创 Pytorch神经网络工具箱
➢nn.functional中的函数，写法一般为nn.funtional.xxx，如nn.funtional.linear、nn.funtional.conv2d、nn.funtional.cross_entropy等。➢继承nn.Module基类构建模型，又使用相关模型容器(nn.Sequential,nn.ModuleList,nn.ModuleDict等）进行封装。➢nn.Module，写法一般为nn.Xxx，如nn.Linear、nn.Conv2d、nn.CrossEntropyLoss等。
2025-02-24 16:39:00
220
原创 卷积神经网络2
通过构建具有一定“深度”的模型，可以让模型来自动学习好的特征表示（从底层特征，到中层特征，再到高层特征），从而最终提升预测或识别的准确性。表示学习：如果有一种算法可以自动地学习出有效的特征，并提高最终机器学习模型的性能，那么这种学习就可以叫作表示学习。• AlexNet的架构与LeNet相似，但使⽤了更多的卷积层和更多的参数来拟合大规模的ImageNet数据集。不同次数的重复VGG块，可获得不同的架构，例如VGG-16，VGG-19，......· 浅层卷积核提取：边缘、颜色、斑块等底层像素特征。
2025-02-21 11:20:46
827
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