FFmpeg123-CSDN博客

原创卷积神经网络（CNN）详细介绍及其原理详解（二）

9.将第二次全链接的结果进行最后一次运算，这种运算可能是线性的也可能是非线性的，最终每个位置（一共十个位置，从0到9）都有一个概率值，这个概率值就是将输入的手写数字识别为当前位置数字的概率，最后以概率最大的位置的值作为识别结果。可以看到，经过两次卷积和最大池化之后，得到最后的特征图，此时的特征都是经过计算后得到的，所以代表性比较强，最后经过全连接层，展开为一维的向量，再经过一次计算后，得到最终的识别概率，这就是卷积神经网络的整个过程。5. 对池化操作后得到的六个小图进行第二次卷积运算，生成了更多的特征图。

2024-05-21 08:32:52 296

原创卷积神经网络（CNN）详细介绍及其原理详解（一）

很明显是不一样的，对于输入图像，首先要将其转换为对应的二维矩阵，这个二位矩阵就是由图像每一个像素的像素值大小组成的，我们可以看一个例子，如下图所示的手写数字“8”的图像，计算机读取后是以像素值大小组成的二维矩阵存储的图像。刚才我们也提到了，有几个卷积核就有多少个特征图，现实中情况肯定更为复杂，也就会有更多的卷积核，那么就会有更多的特征图，当特征图非常多的时候，意味着我们得到的特征也非常多，但是这么多特征都是我们所需要的么？另外还有黑白图像，每个像素值要么是0（表示纯黑色），要么是255（表示纯白色）。

2024-05-17 14:45:14 1498

原创 Pytorch中Torch模块详解

定义与创建：张量可以表示多维数组，支持多种数据类型，包括浮点数、整数、布尔值等。创建张量的常见方法有：Python23# 直接从数据创建张量4x = torch.tensor([1, 2, 3]) # 一维张量5y = torch.tensor([[1, 2], [3, 4]]) # 二维张量67# 根据现有张量或 Python 列表创建8z = torch.from_numpy(np.array([1, 2, 3])) # 从 NumPy 数组创建。

2024-05-17 12:02:05 1336

原创 Pytorch tensor教程练习

print('**********************Attributes tensor 张量属性************************')print('***#Operations on tensor 张量运算:矩阵点乘与mul同）******************')print('**********************************#使用Numpy桥接************')print('#Operations on tensor 张量运算:矩阵乘法与矩阵转置相同。

2024-05-16 10:29:56 224

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

LanSeShuiBeiHD的专栏

原创卷积神经网络（CNN）详细介绍及其原理详解（二）

原创卷积神经网络（CNN）详细介绍及其原理详解（一）

原创 Pytorch中Torch模块详解

原创 Pytorch tensor教程练习

原创 Tensorflow与Python、CUDA、cuDNN的版本对应表

原创 FFMpeg中的SDL多线程使用

原创 FFmpeg第一课

cudnn-local-repo-ubuntu2204-8.9.7.29-1.0-1-amd64.deb

android studio最新版.txt

vs2005完整集合版下载-非诚勿扰.txt

空空如也