![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 56
深度学习
知源书院
知源书院粉丝群:983387298
展开
-
深度学习笔记_10YOLOv8系列自定义数据集实验
在ultralytics/models/v8/目录下是模型的配置文件,随着架构的增大,训练时间也是逐渐增大,只用修改一个参数,把nc改成自己的类别数,需要取整。F1得分是精确度和召回率的调和平均值,曲线的峰值表示给定置信度阈值下精确度和召回率的最佳平衡点。与普通混淆矩阵类似,但这里的值显示的是每个类别的预测正确比例。这些图表和数据文件展示了模型在训练过程中的性能变化,包括损失函数的变化和评估指标(如精确度、召回率和mAP)的变化。边界框宽度:这也是一个归一化后的值,代表对象边界框的宽度。原创 2024-05-08 22:31:49 · 1147 阅读 · 0 评论 -
深度学习_NLP常用库报错问题解决
SpaCy。原创 2024-03-29 19:39:10 · 805 阅读 · 0 评论 -
深度学习笔记_8隐马尔可夫模型(HMM)
HMM 是一种生成概率模型,其中一系列可观测的变量由一系列内部隐藏状态生成。这些隐藏状态并不直接观察到。隐马尔可夫模型(Hidden Markov Model, HMM)是一种统计模型,在语音识别、行为识别、NLP、故障诊断等领域具有高效的性能。HMM是关于时序的概率模型,描述一个含有未知参数的马尔可夫链所生成的不可观测的状态随机序列,再由各个状态生成观测随机序列的过程。每个状态生成一个观测,由此产生的观测随机序列,被称为观测序列。HMM是一个双重随机过程---具有一定状态的隐马尔可夫链和随机的观测序列。原创 2024-03-12 20:59:29 · 497 阅读 · 0 评论 -
深度学习笔记_7经典网络模型LSTM解决FashionMNIST分类问题
定义LSTM模型self.hidden_size = hidden_size # LSTM隐含层神经元数self.num_layers = num_layers # LSTM层数self.lstm = nn.LSTM(input_size, hidden_size, num_layers, batch_first=True) # LSTM层self.fc = nn.Linear(hidden_size, num_classes) # 全连接层。原创 2023-12-18 11:40:36 · 600 阅读 · 0 评论 -
深度学习笔记_6经典预训练网络LeNet-18解决FashionMNIST数据集
【代码】深度学习笔记_6经典预训练网络LeNet-18解决FashionMNIST数据集。原创 2023-12-18 11:03:06 · 726 阅读 · 1 评论 -
深度学习-自然语言处理(Natural Language Processing,NLP)
自然语言处理(Natural Language Processing,NLP)是人工智能领域的一个重要分支,旨在使计算机能够理解、处理和生成人类自然语言。NLP 的目标是让计算机能够像人类一样有效地理解和交流,从而实现更自然、更智能的人机交互。NLP的理解概括:文本理解和分析: NLP技术能够从文本中提取有价值的信息,识别实体、关系、情感等内容。文本分类、命名实体识别、情感分析等是文本理解和...原创 2023-08-04 14:41:00 · 1847 阅读 · 0 评论 -
深度学习实战-ChatGPT生成文本检测器算法挑战大赛
ChatGPT生成文本检测器算法挑战大。原创 2023-08-09 18:04:53 · 2018 阅读 · 0 评论 -
深度学习实战-Datawhale第三期CV:脑PET图像分析和疾病预测挑战赛
样本ID从文件名中提取。对每个样本的30次预测结果进行投票,选出最多的类别作为该样本的最终预测类别,这些最终的预测类别被存储在。使用训练好的逻辑回归模型对测试集的特征进行预测,预测结果被转置,以便每个样本有30次预测结果。函数,它读取医学图像数据,从中提取特定通道的数据,并对这些数据进行一些统计特征的计算。提取的特征根据路径中的关键字确定样本类别('NC'表示正常,'MCI'表示异常)。函数,循环30次从训练集和测试集中提取特征,将特征和对应的类别存储在。中的特征作为输入,使用对应的类别作为输出。原创 2023-08-18 13:04:25 · 353 阅读 · 0 评论 -
深度学习-环境配置pytorch-GPU版本
一、下载与安装Anaconda官网:https://www.anaconda.com/download安装时添加环境变量勾选上,这样可以减少一步操作,不用再去自己手动添加了。二、在anaconda里面创建虚拟环境创建虚拟环境,其中pytorch为虚拟环境名,3.8.8对应python版本号:conda create -n pytorch python=3.8.8激活进入虚拟环境,其中...原创 2023-07-31 10:45:00 · 1133 阅读 · 0 评论 -
深度学习-激活函数总结
激活函数是在人工神经网络中用来加入非线性特性的一种数学函数。它接受神经网络的输入并输出一个非线性信号。原创 2023-11-03 15:38:35 · 149 阅读 · 0 评论 -
深度学习-损失函数总结
损失函数是用来度量机器学习模型在训练过程中预测值和真实值之间的差距的函数。它是优化算法的指导标准,通过最小化损失函数来更新模型的参数。原创 2023-11-03 15:26:34 · 277 阅读 · 0 评论 -
深度学习笔记_5 经典卷积神经网络LeNet-5 解决MNIST数据集
通过多个训练周期,模型的损失逐渐减小,测试精度逐渐增加,表明模型在训练过程中逐渐学习到了有效的特征表示,从而提高了在新样本上的分类准确性。预处理包括将图像转换为张量,并进行标准化,以确保输入数据在训练期间具有相似的尺度和分布。模型定义:LeNet-5模型被定义为一个经典的卷积神经网络,包括卷积层和全连接层。模型测试:在每个训练周期结束后,模型在测试集上进行了精度测试。模型训练:模型被训练在训练集上进行了多个周期的训练。打印结果:在每个训练周期结束后,打印出训练周期的损失和测试精度,以便监控模型的性能。原创 2023-10-19 09:15:58 · 647 阅读 · 0 评论 -
深度学习笔记_4、CNN卷积神经网络+全连接神经网络解决MNIST数据
定义CNN模型。原创 2023-10-04 21:16:05 · 246 阅读 · 0 评论 -
深度学习笔记_3、全连接神经网络解决MNIST数据
【代码】深度学习笔记_3、全连接神经网络解决MNIST数据。原创 2023-10-02 18:25:31 · 192 阅读 · 0 评论 -
深度学习笔记_2、多种方法定义神经网络
【代码】深度学习笔记_2、多种方法定义神经网络。原创 2023-09-30 21:57:52 · 1057 阅读 · 0 评论 -
深度学习笔记_1、定义神经网络
nn.Linear。原创 2023-09-30 17:12:13 · 1726 阅读 · 0 评论