MosterSakura-CSDN博客

原创利用pytorch复现resnet对cifar-10进行分类

一、resnet创新点传统的卷积网络在网络很深的时候，会出现梯度消失或者梯度爆炸的现象而resnet就能很好的解决这个问题。 resnet最为创新的一点是残差结构，它使用了一种连接方式叫做“shortcut connection”，顾名思义，shortcut就是“抄近道”的意思。示意图如下。它对每层的输入做一个reference（X）, 学习形成残差函数，而不是学习一些没有reference（X）的函数。这种残差函数更容易优化，能使网络层数大大加深。 resnet还有一种结构，用在resn

2021-04-18 22:28:36 933

原创深谈VGG卷积神经网络

一、VGG的创新点（一）使用了更小的卷积核在vgg出现之前，大多数网络比如alexnet用的都是大卷积核提取特征，但是vgg采用堆叠小卷积核来达到大卷积核的方式，最显著的优点有两个： 1、堆叠3*3卷积核在和7*7卷积核达到相同效果时，产生的参数更小，计算如下一个7*7卷积核的参数量：7*7*C*C=49*C*C 三个3*3卷积核的参数量：3*3*3*C*C=27*C*C 2、由于使用了小卷积核，可以在每一层后加上非线性激活函数，增强了模型的学习能力，增加特征抽象能力。（二）小池化核

2021-04-10 12:05:07 2234

原创利用pytorch构建alexnet网络对cifar-10进行分类

文章目录（一）概述（二）数据预处理（三）构建网络（四）选择优化器（五）训练测试加保存模型正文（一）概述 1、CIFAR-10数据集包含10个类别的60000个32x32彩色图像，每个类别有6000张图像。有50000张训练图像和10000张测试图像。 2、数据集分为五个训练批次和一个测试批次，每个批次具有10000张图像。测试集包含从每个类别中1000张随机选择的图像。剩余的图像按照随机顺序构成5个批次的训练集，每个批次中各类图像的数量不相同，但总训练集中每一类都正好有5000

2021-04-05 14:13:48 1615

原创关于利用pytorch复现alexnet网络并实现对MNIST数据及分类

一、alexnet网络结构（一）图解（二）网络各层参数 1.AlexNet共8层，包括5个卷积层和3个全连接层 2.每一层都使用了Relu函数作为激活函数 3.AlexNet有一个特殊的计算层-LRN层，开辟性的使用了LRN（局部相应归一化层二、alexnet优点 1.用ReLU得到非线性，用ReLU非线性函数作为激活函数 2.使用dropout的trick在训练期间有选择性的忽略隐藏层神经元，来减缓学习模型的过拟合 3.使用重叠最大池进行池化操作，避免平均池的平均效果 4.使用G

2021-03-28 13:19:42 950