PyTorch 深度学习之卷积神经网络(高级篇)Advanced CNN(十)

已于 2023-10-14 13:33:20 修改
阅读量569 收藏
点赞数
分类专栏： 深度学习 文章标签： 深度学习 pytorch cnn
于 2023-10-14 13:24:35 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/HETUW/article/details/133809911
版权

0. Revision

前面讲的比较简单的是 串行网络结构

1. GoogLeNet

1.1 Inception module

w h 要一致

what is 1×1 convolution?

信息融合-eg.高中各门学科成绩比较(总分)

最主要工作:改变通道数量

why is 1×1 convolution?

减少10倍

1.2 implementation of inception module

拼接

第一个维度拼接-C    输出24*3+16=88个通道数

1.3 Using Inception Module

Results

2. Go deeper

stacking layers 反而error增加了

2.1 Deep Residual Learning

解决梯度消失问题

2.2 Residual Network

Implementation of Simple Residual Network

保证残差模块前后不变

2.3 Implementation of Simple Residual Block

增量开发

3. Exercise

exercise1: reading paper and implementing

exercise2: reading paper and implementing DenseNet

4. 以后怎么走

现在讲了实现

以后怎么走

1. 理论 深度学习

2. 阅读pytorch的文档 通读一遍

3. 复现经典工作-代码下载-跑通

                           读代码-自己来写(循环来写, 学习过程)

4. 扩充视野-->知识盲点

河图洛水
关注
专栏目录
pytorch 深度学习实践 第11讲 卷积神经网络高级篇 CNN
晓木木的博客
09-01 738
第11讲 卷积神经网络高级篇 Advanced CNN pytorch学习视频——B站视频链接：《PyTorch深度学习实践》完结合集_哔哩哔哩_bilibili 以下是视频内容笔记以及源码，笔记纯属个人理解，如有错误欢迎路过的大佬指出 。 1. GoogleNet 网络结构如图所示， GoogleNet，常被用作基础主干网络，图中红色圈出的一个部分称为Inception块。 2. Inception Module解析 不知道选取什么kernel，将卷积核都使用一遍，对效果比较好的卷积核赋予更高的权重，将
《PyTorch深度学习实践9》——卷积神经网络-高级篇（Advanced-Convolution Neural Network）
☆下山☆的博客
03-06 2340
卷积神经网络-高级篇（Advanced-Convolution Neural Network）
PyTorch深度学习实践（11. Advanced CNN-2）
weixin_44995401的博客
03-14 119
Chapter11 卷积神经网络（高级篇）
PyTorch深度学习实践（11. Advanced CNN-1）
weixin_44995401的博客
03-14 89
Chapter11 卷积神经网络（高级篇）
【刘二大人】PyTorch深度学习实践
m0_51490933的博客
01-02 7426
合适的算法需要不断调整：设置模型->利用数据集训练->验证prediction：将视觉接受的信息转化为抽象概念机器学习与人工智能的关系。
PyTorch深度学习实践 Lecture11 CNN进阶篇
A_John 的博客
12-28 819
《PyTorch深度学习实践》 Lecture 11 Advanced_CNN 文章目录 Advanced_CNN GoogLeNet是google推出的基于 Inception Module 的深度神经网络模型，在2014年的ImageNet竞赛中夺得了冠军，这里详细概述了Inception Moduel，并利用PyTorch实现，相关资料和文档详见：
python卷积神经网络图像,卷积神经网络python实现
Supermen333的博客
09-04 823
上周末利用python简单实现了一个卷积神经网络，只包含一个卷积层和一个maxpooling层，pooling层后面的多层神经网络采用了softmax形式的输出。实验输入仍然采用MNIST图像使用10个featuremap时，卷积和pooling的结果分别如下所示。部分源码如下：[python] viewplain copy#coding=utf-8'''''Created on 2014年11月30日@author: Wangliaofan'''import numpyimport structimpor
PyTorch深度学习实践部分代码示例
SDUer_DZL的博客
10-10 1042
Bilibili刘二大人PyTorch深度学习实践
【Pytorch深度学习实践】B站up刘二大人之BasicCNN & Advanced CNN -代码理解与实现(9/9)
weixin_42306148的博客
04-12 3291
这是刘二大人系列课程笔记的 最后一个笔记了，介绍的是 BasicCNN 和 AdvancedCNN ，我做图像，所以后面的RNN我可能暂时不会花时间去了解了； 写在前面： 本节把基础个高级CNN放在一起记录了，注意查看对应关系； 详细的代码理解参看下面的链接： 【Pytorch深度学习实践】B站up刘二大人课程笔记——目录与索引（更新中） 1. Basic CNN 完整代码： #!usr/bin/env python # -*- coding:utf-8 _*- """ @author: 24_nemo
python卷积神经网络代码,python卷积神经网络分类
Supermen333的博客
08-11 3802
上周末利用python简单实现了一个卷积神经网络，只包含一个卷积层和一个maxpooling层，pooling层后面的多层神经网络采用了softmax形式的输出。实验输入仍然采用MNIST图像使用10个featuremap时，卷积和pooling的结果分别如下所示。部分源码如下：[python] viewplain copy#coding=utf-8'''''Created on 2014年11月30日@author: Wangliaofan'''import numpyimport structimpor
《Pytorch深度学习实践》课程合集（刘二大人）笔记
竦貊的博客
05-30 4901
2 线性模型 深度学习步骤 数据集 —— 拿到的训练集，要分成两部分，训练集，交叉验证集 和 测试集 模型 训练 推理 ML常用损失函数
卷积神经网络的Python实现,python卷积神经网络训练
super67269的博客
08-14 7010
对于想要自学Python的小伙伴，这里整理了一份系统全面的学习路线，按照这份大纲来安排学习可以少走弯路，事半功倍。第一阶段：专业核心基础阶段目标：1.熟练掌握Python的开发环境与编程核心知识2.熟练运用Python面向对象知识进行程序开发3.对Python的核心库和组件有深入理解4.熟练应用SQL语句进行数据库常用操作5.熟练运用Linux操作系统命令及环境配置6.熟练使用MySQL，掌握数据库高级操作7.能综合运用所学知识完成项目知识点：Python编程基础、Python面向对象、Python高级进阶
从RNN讲起(RNN、LSTM、GRU、BiGRU)——序列数据处理网络
薛定谔的猫的博客
10-12 916
循环神经网络是一类用于处理序列数据的神经网络，它一般以序列数据作为输入，通过网络内部的结构设计有效地捕捉序列之间的关系，以序列的形式输出。与传统的前馈神经网络不同，RNN具有"记忆"能力，通过在网络中引入循环连接，使得其可以利用先前的输入信息来影响当前的输出。这使得RNN非常适合处理具有时间依赖性或顺序性的任务。长短期记忆网络（LSTM, Long Short-Term Memory）是一种特殊的循环神经网络RNN，设计用来解决传统RNN在处理长序列数据时遇到的梯度消失和梯度爆炸问题。
【交通标志识别系统】Python+卷积神经网络算法+人工智能+深度学习+机器学习+算法模型
子午的博客
10-12 873
交通标志识别系统。本系统使用Python作为主要编程语言，在交通标志图像识别功能实现中，基于TensorFlow搭建卷积神经网络算法模型，通过对收集到的58种常见的交通标志图像作为数据集，进行迭代训练最后得到一个识别精度较高的模型文件，然后保存为本地的h5格式文件。再使用Django开发Web网页端操作界面，实现用户上传一张交通标志图片，识别其名称。在本项目中，开发了一个基于人工智能的交通标志识别系统，旨在利用深度学习技术对常见的交通标志进行高效、准确的识别。
Text2Video Huggingface Pipeline 文生视频接口和文生视频论文API
rockingdingo的博客
10-12 921
文生视频是AI领域热点，国内外有非常多的优秀产品如Runway AI、Pika AI、可灵King AI、通义千问、智谱的文生视频模型等等。很多文生视频的大模型都是基于Huggingface的 diffusers的python包来开发。为了方便调用，也尝试了使用 PyPI的text2video的python库的Wrapper类进行调用，下面会给大家介绍一下Huggingface Text to Video Pipeline的调用方式 以及使用通用的text2video的python库调用方式。
深度学习-22-基于keras的十大经典算法之深度神经网络DNN
qq_20466211的博客
10-12 332
深度神经网络的基本结构介绍，同时分别基于模拟数据集和鸢尾花数据集，对模型进行了训练和预测。
【动物识别系统】Python+卷积神经网络算法+人工智能+深度学习+机器学习+计算机课设项目+Django网页界面
子午的博客
10-12 829
动物识别系统。本项目以Python作为主要编程语言，并基于TensorFlow搭建ResNet50卷积神经网络算法模型，通过收集4种常见的动物图像数据集（猫、狗、鸡、马）然后进行模型训练，得到一个识别精度较高的模型文件，然后保存为本地格式的H5格式文件。再基于Django开发Web网页端操作界面，实现用户上传一张动物图片，识别其名称。
【深度学习】RNN实战
最新发布
言兼小师傅的博客
10-15 425
【代码】【深度学习】RNN实战。
基于YOLO11/v10/v8/v5深度学习的安检X光危险品检测与识别系统设计与实现【python源码+Pyqt5界面+数据集+训练代码】
阿旭的博客
10-11 1437
基于YOLO11/v10/v8/v5深度学习的安检X光危险品检测与识别系统设计与实现【python源码+Pyqt5界面+数据集+训练代码】
PyTorch深度学习示例：图像分类与训练曲线分析
6. 卷积神经网络（CNN）: 卷积神经网络是一种深度学习模型，专门用于处理具有网格结构的数据，如图像。CNN通过使用卷积层、池化层和全连接层等一系列层来提取图像中的空间特征，并将这些特征用于分类或其他任务。CNN...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值