深度学习
文章平均质量分 93
大小宝
Whole bikaqiu
展开
-
第J1周:ResNet-50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K同学啊|接辅导、项目定制难度:夯实基础⭐⭐语言:Python3、Pytorch3🍺要求:1.根据本文的Tensorflow代码,编写Pytorch代码2.了解残差网络3.是否可以将残差模块融合到C3中残差网络是为了解决神经网络隐藏层过多时,而引起的网络退化问题。退化(degradation)问题是指:当网络隐藏层变多时,网络的准确度达到饱和然后急剧退化,而且这个退化不是由于过拟合引起的。拓展:深度神经网络的"两朵乌云"原创 2024-08-28 09:39:18 · 880 阅读 · 0 评论 -
第T11周:优化器对比实验
本次主要是探究不同优化器、以及不同参数配置对模型的影响,在论文当中我们也可以进行优化器的比对,以增加论文工作量原创 2024-08-20 23:29:54 · 429 阅读 · 0 评论 -
第T10周:数据增强
这是大家可以自由发挥的一个地方# 随机改变图像对比度那么如何将自定义增强函数应用到我们数据上呢?请参考上文的函数,将aug_img函数嵌入到函数中,在数据预处理时完成数据增强就OK啦。原创 2024-08-16 21:55:53 · 972 阅读 · 0 评论 -
第T9周:猫狗识别2
📌第9周:猫狗识别-2📌。🔎 探索(难度有点大)原创 2024-08-05 10:32:31 · 421 阅读 · 0 评论 -
第T8周:猫狗识别
这篇文章中放弃了以往的model.fit()训练方法,改用model.train_on_batch方法。使用image_dataset_from_directory方法将磁盘中的数据加载到tf.data.Dataset中。此外也引入了进度条的显示方式,更加方便我们及时查看模型训练过程中的情况,可以及时打印各项指标。VGG的结构非常简洁,整个网络都使用了同样大小的卷积核尺寸(3x3)和最大池化尺寸(2x2)。我们可以通过class_names输出数据集的标签。,这个错误是由于版本问题引起的。原创 2024-07-24 22:17:36 · 882 阅读 · 0 评论 -
第T7周:咖啡豆识别
关于卷积的相关知识可以参考文章:https://mtyjkh.blog.csdn.net/article/details/114278995。使用image_dataset_from_directory方法将磁盘中的数据加载到tf.data.Dataset中。VGG的结构非常简洁,整个网络都使用了同样大小的卷积核尺寸(3x3)和最大池化尺寸(2x2)。在官方模型与自建模型之间进行二选一就可以了,选着一个注释掉另外一个。官网模型调用这块我放到后面几篇文章中,下面主要讲一下VGG-16。🔎 探索(难度有点大)原创 2024-07-13 22:56:11 · 640 阅读 · 0 评论 -
第T6周:好莱坞明星识别
1.直接调用VGG16添加BN层:有效Drop层:卷积层无效,甚至有反效果,全连接层有效L2正则化:有效,但参数不能设置很高减少全连接层神经元数量调整图片尺寸,224x224------256x256上述操作结束,已经可以达到0.5左右,最高大概0.562. 加载预训练参数自己搭建的VGG16有BN层,无法直接加载参数,只能含泪注释掉。原创 2024-07-13 22:53:14 · 610 阅读 · 0 评论 -
第T5周:运动鞋品牌识别
学习率衰减是一种常用的技巧,可以帮助优化算法更有效地收敛到全局最小值,从而提高模型的性能。在每一个epoch开始前,学习率(learning_rate)都将会重置为初始学习率(initial_learning_rate),然后再重新开始衰减。这样做不仅可以最大限度地缩短训练的单步用时(而不是总用时),而且可以缩短提取和转换数据所需的时间。在此示例中,我们的 CNN 输入,fashion_mnist 数据集中的图片,形状是。因此,训练所用的时间是 CPU 预处理时间和加速器训练时间的总和。原创 2024-07-13 22:49:53 · 626 阅读 · 0 评论 -
第P2周:CIFAR10彩色图片识别
Pytorch入门实战《第P2周:CIFAR10彩色图片识别》原创 2024-04-12 17:55:49 · 1121 阅读 · 0 评论 -
第P1周:实现mnist手写数字识别
Pytorch入门实战《第P1周:实现mnist手写数字识别》原创 2024-04-05 14:26:10 · 737 阅读 · 0 评论 -
Windows 7 64位安装TenSorFlow
看着大家都开始搞深度学习,开始了新的尝试,最开始Tensorflow只支持Linux和Mac,其实都是Unix系统的,2016年底Tensorflow推出了Windows版本的,我先开始尝试在Linux下面安装,但是很多东西, 最后也没有装好。又尝试Windows下安装,也是很不顺利,装了4天才最终装好了。我的电脑配置:系统 :Windows7 64位CPU :Intel(R) Cor...原创 2017-03-17 15:11:17 · 14945 阅读 · 7 评论