- 博客(4)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 Datawhale AI夏令营 Task3
因为模型相对架构简单等问题，每一个epoch的准确率更新存在问题，不过基本实现了模型训练及验证的过程，其中添加了部分数据增强、早停等技术，对流程有了进一步的了解。数据增强的目的是通过人工方式增加训练数据的多样性，从而提高模型的泛化能力，使其能够在未见过的数据上表现得更好。提交得分为0.974，若使用全部数据+增加数据增强方式，得分应该可以可以在0.98以上。实现二分类，并使用早停技术以免过度浪费资源，参考资料：Datawhale AI学习指南。在之前baseline中，
2024-07-20 22:18:00
226
原创 Datawhale AI夏令营 Task2
随后，每个卷积层后紧跟一个最大池化层，使用2x2的池化窗口和步长为2，进一步减少特征图的尺寸，同时增加对图像位移的不变性。timm.create_model(‘resnet18’, pretrained=True, num_classes=2)这行代码就是加载了一个预训练的ResNet-18模型，其中pretrained=True表示使用在ImageNet数据集上预训练的权重，num_classes=2表示模型的输出层被修改为有2个类别的输出，以适应二分类任务（例如区分真实和Deepfake图像）。
2024-07-17 21:21:15
951
原创 Datawhale AI夏令营-从零入门CV图像竞赛(Deepfake攻防)
之后，在baseline基础上，替换网络结构为efficientnet，epoch为5，批量大小为32，采用adam优化器，训练集跟验证集按照5:1的比例分别扩大到50000和10000张，在五个训练周期中识别准确率大幅度提升，为之后进一步优化提供方向。Deepfake是一种使用AI技术生成的以视频和音频为主的伪造媒体，它们看起来或听起来非常真实，但实际上是由计算机根据音视频生成的。这种技术通常涉及到深度学习算法，特别是生成对抗网络（GANs），它们能够学习真实数据的特征，并生成新的、逼真的数据。
2024-07-14 20:22:47
123
原创 飞桨领航团--Python零基础速成营学习有感
寒假期间，通过学校的飞桨团了解到百度大脑的Python基础速成营，虽然在之前的学习中接触过C和C++语言，但是在和他人的交谈中也了解到python的便利和简洁，正好这次速成营的机会让我得以有体系的学习python语言。前三天的学习主要以基础为主，老师详细地讲解了Python计算基础、编程基础和函数基础；后三天的学习主要以提升为主，老师详细地教授了python面向对象、多线程、文件操作及常用模块使用。虽然只是短短的六天课程，但是让我对Python语言有了一个较为全面的认识，通过六天的课程与作业，在不断地寻
2021-02-09 23:42:06
74
archiconda，适合arm架构，tensorrt7.1.3，torchvision0.9.0,。
2022-08-05
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人