- 博客(5)
- 收藏
- 关注
RSS订阅原创 几种不同的深度卷积网络的设计（1）——使用重复元素的网络VGG
前言前边几篇有关卷积网络的博客中介绍了最经典的LeNet网络和AlexNet网络，其主要是将其作为经典的网络模型进行介绍，同时对二者进行了对比。对比发现后者比前者的卷积层多三层，且在卷积核、通道数和构造的顺序上存在很大的不同，但上述二种模型其内部并没有过多的说明如何去构造卷积神经网络，本章以后的几篇分别来写一下使用重复元素的网络（VGG）、网络中的网络（NiN）、含并行连接的网络（GoogLeNet）等较为经典的网络模型及其相关的构造原则与构造方式，并通过代码进行实现（代码参考李沐书籍代码进行调试修改）
2021-07-30 22:06:32
316
原创 深度卷积神经网络（AlexNet）与卷积神经网络（LeNet）的区别及其代码实现（可直接复制运行）
LeNet在小批量样本的处理中表现尚可，但当样本过于复杂时处理起来结果不尽如人意。AlexNet的出现与2012年，该模型对较大批量数据的处理表现不错，该模型与LeNet具有很高的相似性
2021-07-26 18:07:48
4846
原创 卷积神经网络（LeNet）的代码实现及模型预测
LeNet的简要介绍卷积神经网络（LeNet）是1998年提出的，其实质是含有卷积层的一种网络模型。该网络的构成：该网络主要分为卷积层块和全连接层块两个部分。卷积层块的基本单位是“卷积层+最大池化层”，其中卷积层主要用来识别图像的空间模式，后接的最大池化层主要用于降低卷积层对于位置的敏感性。全连接层用于完成最后的分类。本文以教材中最常见的LeNet-5为例进行代码实现及模型预测，该网络模型图如下图所示。LeNet-5网络结构LeNet的代码实现及模型预测模型组成：本文构建的L
2021-07-22 16:01:31
5867
2
原创 使用Sequential函数构造多层感知机（MLP）
一般来说可以用于网络构造的方式有多种，笔者认为使用Sequential函数构造网络比较简单，以此为例进行网络搭建MLP：至少含有一个隐藏层的由全连接层组成的神经网络，且每个隐藏层的输出通过激活函数进行变换实例我们使用Sequential函数来实现构造一个MLP，我们设定我们所要构造的MLP是一个两层的网络，其中输入为X为800个元素，隐藏层有256个单元，输出为3个标签代码实现接下来我们使用Sequential来构造该网络import torchimport numpy as .
2021-07-21 11:32:13
2124
原创 解决Jupter notebook在图的绘制/加载中出现服务器挂掉的问题
问题在使用Jupter notebook时，运行其他代码还好，一旦涉及到图的绘制问题就一直提示服务器似乎挂掉运行下列代码：import torchimport numpy as npimport sysimport d2lzh_pytorch as d2l# 定义一个作图函数def semilogy(x_vals, y_vals, x_label, y_label, x2_vals=None, y2_vals=None, legend=None, figs
2021-07-19 15:32:32
1096
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