深度学习图像分类
文章平均质量分 64
查无此人☞
这个作者很懒,什么都没留下…
展开
-
Resnet网络实战之Fashion-MNIST数据集
残差网络的由来(Resnet)在实践中,添加过多的层后训练误差往往不降反升。即使利用批量归一化带来的数值稳定性使训练深层模型更加容易,该问题仍然存在。针对这一问题,何恺明等人提出了残差网络(ResNet)。它在2015年的ImageNet图像识别挑战赛夺魁,并深刻影响了后来的深度神经网络的设计。下面通过Fashion-MNIST数据集来了解一下Resnet网络。普通的网络结构与加入残差连接的网络结构对比设输入为x。假设我们希望学出的理想映射为f(x),从而作为图最上方激活函数的输入。左图虚线框中的部.原创 2021-05-17 20:20:24 · 3166 阅读 · 3 评论 -
pytorch加载预训练模型
首先是键name一致的情况、比较简单: #这是我们自己网络模型参数的有序字典形式(网络参数名:值) net_dict = net.state_dict() #这是实际加载的预训练好的网络模型参数的有序字典形式 pretrained_dict = torch.load(pretrained_path) #从预训练的参数中加载我们的网络中需要的模型参数(这个很重要、有时需要冻结某一层的参数、可用这条语句从预训练的整个网络参数中筛选出我们需要的某一层的参数) pret原创 2021-05-09 11:23:00 · 725 阅读 · 0 评论 -
CUB200数据集下载
链接:https://pan.baidu.com/s/1VWf47QH5iO9YP4IIkYj4ow提取码:cubb复制这段内容后打开百度网盘手机App,操作更方便哦原创 2021-02-18 14:16:57 · 1100 阅读 · 0 评论 -
Pytorch最简单的图像分类——K折交叉验证处理小型鸟类数据集分类
Pytorch图像分类从零开始——小型数据集鸟的分类问题你好! 本篇博客主要是针对基于Pytorch深度学习刚入门的朋友,本文基于六种鸟类的分类问题,以小数据集为例,带领读者从总体上了解一个从零开始的图像分类问题,陆续会写一些具体的问题,如本人在跑这个小项目中遇到的所有问题以及解决方法,重点在于带领读者掌握图像分类这一基本问题中数据集的分割、读取、封装的基本思想,接着会详细的介绍构建的模型,以及针对小数据集而使用的k折交叉验证的方法,还有使用到的网络,损失函数,优化器,等涉及到图像分类问题的所有的基本内容原创 2020-12-25 22:49:42 · 10557 阅读 · 79 评论