![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
DeepLearing
文章平均质量分 94
奥丁之眼
记录个人学习
展开
-
AI安全-NLP-李宏毅深度学习笔记
首先我们之前已经在cv和audio上面进行过attack了,在其上面的输入是一种实数,当时在NLP中,输入是word或者token,为了将这些token输入到一个模型中,我们需要将每个token映射成一个连续的向量文本的离散性使得NLP中的攻击与CV或语音处理中的攻击有很大不同在图像上添加不可觉察的噪声可以改变模型的预测Nlp中的逃避攻击对于一个任务,修改输入使得模型的预测失效,而修改后的输入和原始输入不应该改变人类的预测任何使模型行为符合我们预期的东西都可以被认为是一个对抗的例子。原创 2023-05-17 16:45:27 · 436 阅读 · 0 评论 -
图像分类简介
基本图像分类网络模型介绍原创 2023-03-03 12:35:06 · 209 阅读 · 0 评论 -
语义分割upload
语义分割:相当于分类任务,就是对每一个像素进行分类基本思路逐像素进行图像分类。我们将整张图像输入网络,使输出的空间大小和输入一致,通道数等于类别数,分别代表了各空间位置属于各类别的概率,即可以逐像素地进行分类实例分割:在与语义分割基础上,更精确的对每个类别进行分类全景分割:不仅对划分目标进行分割,也需要对背景进行分割作用:上采样的作用简单的理解就是把图片进行放大了在深度学习框架中,上采样可以简单的理解为 任何可以让图像变成更高分辨率的技术。原创 2023-03-03 10:34:43 · 180 阅读 · 0 评论 -
基本网络模型笔记
CNN又叫卷积神经网络,是全连接神经网络的一种优化,将全连接神经网络的全连接层转换为卷积层,为什么?(全连接层计算的参数量包含上一层传过来的每一个参数,计算十分庞大,会占用大量资源)卷积神经网络用卷积层提取出每层的特征,在传递到下一层。每一个输入的数据格式B C w htorch.Size([1, 5, 100, 100]) 输入的情况torch.Size([1, 10, 98, 98]) 输出的情况。原创 2023-02-24 02:30:00 · 95 阅读 · 0 评论