- 博客(28)
- 收藏
- 关注
原创 YOLOv8白皮书-第Y8周:yolov8.yaml文件解读
相比于yolov8n和yolov8s,yolov8l的深度和宽度没有缩小同时,yolov8l的最大通道数由1024降为了512。
2024-07-01 23:27:12
257
原创 YOLOv5白皮书-第Y6周:模型改进
本周任务看似和上周差别不大,实际差别很大在前几个步骤,和上周一样,不再赘述在修改yolo5s.yaml文件时,需要特别注意如果只修改backbone,其输出的宽度和高度经过上采样之后翻倍了,因此在concat步骤就会出错将head后的第一部的Conv模块参数修改如下:这代表将宽度和高度减半,就能进行Concat的运算因此,在修改yolov5s.yaml时,不仅需要注意通道数的变化,还需要注意宽度、高度的变化。
2024-06-19 21:05:40
848
原创 YOLOv5白皮书-第Y5周:yolo.py文件解读
本周对C3的修改与上周相同,并将修改后的模块用做单独的C2首先在common.py文件中修改C2的具体代码其次在yolo.py中添加C2名,使程序能知道C2最后在yolov5s.yaml中将C2添加在第2层与第3层之间。
2024-06-03 20:23:25
860
原创 YOLOv5白皮书-第Y4周:common.py文件解读
本周对C3的修改其实就是去掉了concat之后的一层卷积层需要对YOLOV5的模型结构进行修改时,就在common.py文件中修改。
2024-05-27 22:32:01
314
原创 YOLOv5白皮书-第Y2周:训练自己的数据集
本周任务使用与上周一样的模型,区别是训练自己的数据重点在训练集验证集的划分,以及需修改代码中文件的路径。
2024-05-12 22:23:04
245
原创 第R3周:天气预测
本周模型与上周模型一致,都是LSTM,区别是天气预测数据集时间步更长经过多次模型结构的探索,包括LSTM层数,最终准确率在78%左右本周新增了探索式分析,不过因为之前我学习过探索式分析,因此我没有放上这部分内容。
2024-04-24 19:38:33
287
原创 Pytorch实现:LSTM-火灾温度预测
与RNN相比,LSTM的pytorch代码是将nn.RNN()变为了,nn.LSTM(),参数没有变化从原理上讲,LSTM是RNN的进阶版,LSTM增加了多个状态输入门输入靠近记忆单元的信息以及原始信息遗忘门用来遗忘不需要的信息输出门用来输出传递到下一单元的信息LSTM相比其RNN可以记忆更长远的信息;并且可以有效解决梯度爆炸问题我的输出模型预测结果在开始使较准确,到后面开始出现较大的偏差;比较K同学的代码之后,发现可能是模型的隐藏层大小设置的太小的缘故。
2024-04-16 20:15:17
181
原创 第R1周:RNN-心脏病预测
我使用了pytorch构建模型,在数据预处理部分中,需将数据封装到DataLoader中去RNN模型有时间步的概念,在本数据集中,每一列为一个时间步,所以共有13个时间步每个时间步的输入都包含了上一个时间步的输出。
2024-04-09 20:33:35
303
原创 第J9周:Inception v3算法实战与解析
>- **🍨 本文为[🔗365天深度学习训练营]中的学习记录博客>- **🍖 原作者:K同学啊 | 接辅导、项目定制前期工作语言环境:Python3.9.18编译器:Jupyter Lab深度学习环境:Pytorch 1.12.11.设置GPUimport torchimport torch.nn as nnimport torchvisionfrom torchvision import transforms, datasetsimport os,PIL,path
2024-03-26 22:20:55
351
原创 第J8周:Inception v1算法实战与解析
Inception v1的特点是并行,简单来讲就是同时使用多个卷积核(如33、55),之后使用torch.cat方法将多个输出结果叠加并行增加了网络的深度,因为在同一层提取了不同的特征另外,在卷积核前还使用了1*1卷积核,目的是减少运算量。
2024-03-17 20:25:26
317
1
原创 第J7周:对于ResNeXt-50算法的思考
问题:如果conv_shortcut=False,那么在执行x=Add()"语句时,通道数不一致的,为什么不会报错?,之后再将conv_shortcut=False,通道数就是匹配的了。回答:这个代码没有错。因为在ResNext50整个模型中,
2024-03-13 22:08:15
155
1
原创 第J6周:ResNeXt-50实战解析
我将原tensorflow代码改完了pytorch代码本节使用了分组卷积方法,在pytorch中,在nn.Conv2d()中使用参数groups可以很容易实现分组卷积方法。
2024-03-06 22:18:49
377
1
原创 第J5周:DenseNet+SE-Net实战
>- **🍨 本文为[🔗365天深度学习训练营]中的学习记录博客>- **🍖 原作者:K同学啊 | 接辅导、项目定制本周任务:在DenseNet系列算法中插入SE-Net通道注意力机制,并完成猴痘病识别测试集准确率到达89%前期工作语言环境:Python3.9.18编译器:Jupyter Lab深度学习环境:Pytorch 1.12.11.设置GPUimport torchimport torch.nn as nnimport torchvisionfrom
2024-02-26 16:18:58
224
2
原创 第J4周:ResNet与DenseNet结合探索
>- **🍨 本文为[🔗365天深度学习训练营]中的学习记录博客>- **🍖 原作者:K同学啊 | 接辅导、项目定制本周任务:将ResNet 和 DenseNet结合探索本人选择的数据集为鸟类识别数据集前期工作语言环境:Python3.9.18编译器:Jupyter Lab深度学习环境:Pytorch 1.12.11.设置GPUimport torchimport torch.nn as nnimport torchvisionfrom torchvision i
2024-02-18 21:58:51
414
原创 第J1周:ResNet-50算法实战与解析
残差块的作用是减少梯度爆炸,以便构造更深层的网络ConvBlock块的跳跃连接中的卷积核的作用是使输出的特征数与主干的特征数一致,这样就能相加了;而IdentityBlock的输入与输出特征数本来就是相同的,所以可以直接相加。
2024-01-16 20:50:57
514
原创 第P6周:VGG-16算法实现人脸识别
🍻拔高(可选):3. 测试集准确率达到60%(难度有点大,但是这个过程可以学到不少)4. 手动搭建VGG-16网络框架。
2023-12-18 19:48:40
221
1
原创 第P4周:猴痘病识别
相较于原来的模型,我增加了三层same卷积层,一层dropout层,设置了动态学习率,最终将测试集准确率提高到了90%。
2023-12-06 18:00:00
353
1
原创 第P3周:天气识别
我将学习率由1e-4改为1e-3,这样可以增加迭代的幅度,缺点是每次迭代波动更大。我发现我重复运行了这段代码多次,实际迭代次数大概在70-80次左右。将迭代次数改为18,以使准确率到达93%
2023-11-30 15:00:00
351
原创 第T2周:彩色图片分类
安装matplotlib3.3.4版,此版本不会与tensorflow 2.5.0所依赖的numpy版本有冲突。安装tensorflow-gpu版本所对应的cuda、cudnn版本,这需要在网上查找对应你显卡的版本。在这个框架中,原本只有2层池化层,我增加了一个池化层,并将后两个池化层更改为平均池化。将迭代次数提升至20次,以此提高准确率。
2023-11-23 18:00:00
25
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