跟李沐老师动手学习AI学习笔记：第七章——现代卷积神经网络

最新推荐文章于 2024-09-16 14:49:33 发布
最新推荐文章于 2024-09-16 14:49:33 发布
阅读量123 收藏
点赞数 1
分类专栏： 跟李沐老师动手学习AI——pytorch 文章标签： 人工智能 学习 笔记
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/Oxford1151/article/details/131688310
版权
本文介绍了深度学习在图像识别领域的几个里程碑式模型，包括AlexNet的特征工程应用，如SIFT和SURF特征描述子，以及VGG、NiN、GoogLeNet等结构创新，如使用块的网络和并行连接。此外，还提到了批量归一化和残差网络ResNet在优化模型训练中的重要性。
摘要由CSDN通过智能技术生成

7.1 深度卷积神经网络AlexNet

 特征工程：

        特征工程是关键；

        特征描述子：SIFT、SURF

        视觉词袋（聚类）；

        最后用SVM。

 

 

7.2 使用块的网络VGG

 

 

 

7.3 网络中的网络——NiN

 

 

 7.4 含并行连结的网络（GoogLeNet）

7.5 批量归一化

 

7.6 残差网络ResNet

 

 

AndrewPerfect
关注
专栏目录
【跟李沐学AI 实用机器学习】全部笔记
qq_53223504的博客
08-11 825
简单来说，就是一个玄学，没法科学解释每个参数的作用，只能靠经验和直觉介绍了几个记录实验数据的工具，如tensorboard、weights&bias。
【李沐-动手学深度学习】学习笔记大总览 000
Peter_Kinger的博客
07-13 395
该笔记详细描述了非AI领域研0学生利用5个月时间学习该课程，并基于以上课程理解和实践修改遥感领域算法并发表EI文章一篇
【PyTorch】动手学深度学习-梳理与笔记小结|卷积神经网络
kodoshinichi的博客
04-08 1873
李沐老师《动手学深度学习-PyTorch》教程的[卷积神经网络]章节的笔记
深度学习 —— 个人学习笔记18（语义分割数据集、区域卷积神经网络）
Springer的博客
08-10 559
本文章为个人学习使用，版面观感若有不适请谅解，文中知识仅代表个人观点，若出现错误，欢迎各位批评指正。文中部分知识参考：B 站 —— 跟李沐学AI；
动手学深度学习7.1 深度卷积神经网络（AlexNet）-笔记&练习（PyTorch）
scdifsn的博客
08-01 1048
李沐老师《动手学深度学习（PyTorch版）》7.1 深度卷积神经网络（AlexNet）-笔记&练习详解
李沐深度学习笔记———NiN，GoogLeNet，ResNet
m0_52420323的博客
07-03 962
摘要：深度学习，残差网络
李沐深度学习——LeNet AlexNet Vgg
m0_52420323的博客
06-29 1005
摘要：深度学习，李沐，VGG，学习笔记
[课程笔记]（李沐-动手学深度学习）
weixin_38800498的博客
06-09 7876
比如y=|x|的导数，可以在[-1,1]之间取任意值 将导数拓展到向量->梯度 第一种情况：y标量x向量 （y标量x向量）补充：内积 可以这样来理解向量内积：向量a、b的内积等于向量a在b方向的分量（或投影）与b的内积，当a、b垂直时，a在b方向上无分量，所以内积为0。其他几何意义：从内积数值上我们可以看出两个向量的在方向上的接近程度。 当内积值为正值时，两个向量大致指向相同的方向（方向夹角小于90度）； 当内积值为负值时，两个向量大致指向相反的方向（方向角大于90度）； 当内积值为0时，两个向量互相垂
Swin Transformer 论文精读——B站up：跟李沐学AI讲解笔记
Snakehj的博客
05-25 1063
本文提出了一种新的 vision transformer，称为 Swin Transformer，它可以作为计算机视觉的通用骨干网。将Transformer 从语言应用到视觉的挑战来自于这两个领域之间的差异，例如视觉实体规模的巨大差异（在不同图片的同一个物体尺寸可能不同）以及与文本中的单词相比，图像中像素的高分辨率。为了解决这些差异，我们提出了一个 hierarchical Transformer，它的表示是用 shifted windows 计算的。
李沐20_卷积层里的填充和步幅——自学笔记
Rrrrrr900的博客
04-07 693
（1）填充和步幅是卷积层的超参数（2）填充在输入周围添加额外的行/列，来控制输出形状的减少量（3）步幅是每次滑动核窗口时的行/列的步长，可以成倍的减少输出形状。
李沐精读论文：transformer 《Attention Is All You Need》 by Google
iwill323的博客
12-17 2369
李沐读论文：transformer 《Attention Is All You Need》 by Google
《动手学深度学习》Pytorch版学习笔记（三）：Task06
qq_30006749的博客
02-25 771
《动手学深度学习》Pytorch版学习笔记（三）：Task06课程背景主修课程1 任务2 NLP——文本情感分类2.1 项目介绍2.2 文本情感分类数据集2.3 使用循环神经网络进行情感分类2.4 使用卷积神经网络进行情感分类 课程背景 在疫情的影响下，不少学校已经做出了延迟开学的决定，：伯禹教育、Datawhale、和鲸科技牵头与多家AI企业合作，让在家的同学也能免费学习优质的付费课程，同时为学...
《动手学深度学习》Pytorch版学习笔记（二）：Task04
qq_30006749的博客
02-15 1008
《动手学深度学习》Pytorch版学习笔记（二）：Task04课程背景主修课程1 任务2 机器翻译及相关技术3 注意力机制与Seq2seq模型3.1 注意力机制3.2 注意力机制框架3.3 引入注意力机制的Seq2seq模型3.4 解码器3.5 训练3.6 训练和预测4 Transformer4.1 多头注意力层4.2 基于位置的前馈网络4.3 Add and Norm4.4 位置编码4.5 编码...
李沐精读论文：ViT 《An Image Is Worth 16x16 Words: Transformers For Image Recognition At Scale》
iwill323的博客
12-20 2377
李沐精读论文：ViT 《An Image Is Worth 16x16 Words: Transformers For Image Recognition At Scale》 position embedding patch embedding ViT-B/16 vision transformer MLP Head vision transformer
【AI大模型】Kimi API大模型接口实现
qq_25888559的博客
09-15 1214
Kimi智能助手在效率（免费榜）排名从2024年1月14日的第436名提升至3月19日的第11名。而尚未上线的GPT-4.5 Turbo上下文窗口指定为25.6万个token，能同时处理约20万个单词，Kimi升级后，长文本能力为其10倍。在2023年10月初次亮相时，该模型的处理能力还仅有约20万汉字。2024年3月18日，月之暗面宣布Kimi智能助手启动200万字无损上下文内测。
使用c#制作一个小型桌面程序
qq_44691564的博客
09-14 1630
创建.NET Framework新项目，将之前生成的dll放在Demo文件夹的bin ->debug或是 release中（看你自己用的什么模式），创建完成后 系统会自动生成一些文件，其中 pch.cpp 先不要修改，pch.h中先导入自己需要用到的库，下面是我的代码。布局完了之后会自动生成Form1.Designer.cs 的窗口设计代码，点击控件按F4 还可以修改他们的属性。完成之后点击生成 就可以在bin中出现的你的.exe文件咯，是不是很简单呀~[狗头]我们还需要一个入口主程序。
opencv学习：calcHist 函数绘制图像直方图及代码实现
mohanyelong的博客
09-13 1592
opencv学习：calcHist 函数绘制图像直方图及代码实现
基于机器学习的乳腺癌肿瘤智能分析预测系统
最新发布
Python极客之家
09-16 1096
本系统致力于通过分析肿瘤的各种特征，如半径、纹理、形状等，利用Matplotlib、Seaborn 等工具进行可视化统计分析，并建立机器学习模型来预测肿瘤是否为恶性，测试集预测 AUC 达到 98.441%。系统的设计目的是为了帮助医疗专业人员更快地做出决策，并为患者提供更及时的治疗方案。
李沐动手深度学习笔记
08-22
这本笔记以其深入浅出的方式讲解深度学习基础知识，包括神经网络、卷积神经网络（CNN）、循环神经网络（RNN）、优化算法等内容。它不仅适合初学者入门深度学习，也对有一定基础的学习者提供实用的实践指导。通过该...
评论 1
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