霹雳吧啦wz学习笔记1_卷积神经网络补充

最新推荐文章于 2024-09-17 23:15:52 发布
最新推荐文章于 2024-09-17 23:15:52 发布
阅读量177 收藏 1
点赞数 1
文章标签： 学习 笔记 cnn
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jennnnnny101/article/details/132539857
版权

误差的计算
3层BP神经网络进行讲解
第一层：输入层，两个节点x1,x2
中间：隐藏层，3个节点，σ表示激活函数

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
交叉熵损失
在这里插入图片描述
eg:如果是猫和狗可以，输入一张图片，输出要么是猫要么是狗采用softmax输出，只能归于一个类别不可能归于多个类别；如果输入一张图片，输出包括人类和男人，那就不满足概率分布了，因为可能归于人也可能归于男人，那就归于二分类问题了，采用sigmoid输出。
在这里插入图片描述
误差的反向传播
在这里插入图片描述
在这里插入图片描述
权重的更新
在这里插入图片描述

在这里插入图片描述
优化器
优化器的作用是：使网络得到更快的收敛

在这里插入图片描述

SGD优化器：就是使用分批次样本进行求解
在这里插入图片描述
2. SGD+Momentum优化器
在这里插入图片描述
3. Adagrad优化器在这里插入图片描述

在这里插入图片描述
5. Adam优化器
在这里插入图片描述

zzz不摸鱼
关注
霹雳吧啦wz学习笔记1_卷积神经网络
jennnnnny101的博客
12-02 1219
霹雳吧啦wz学习笔记第一节课
霹雳吧啦 目标检测 学习笔记
hello world
06-12 2730
霹雳吧啦Wz的个人空间-霹雳吧啦Wz个人主页-哔哩哔哩视频目标检测篇 github地址；GitHub - WZMIAOMIAO/deep-learning-for-image-processing: deep learning for image processing including classification and object-detection etc.
霹雳吧啦Wz 深度学习-图像分类篇章课堂笔记：1.1 卷积神经网络基础
SJX12356的博客
08-05 124
卷积层：多维 卷积核与特征矩阵的深度保持一致，RGB三个深度，卷积核就要有三个深度。>1.卷积核的channel与输入特征层的channel相同。>2.输出的特征矩阵channel与卷积核个数相同。没有训练参数：卷积层，有自己的卷积核参数。一般只改特征矩阵的宽度和高度，不改变深度。如果卷积过程中出现越界的情况该怎么办?加上偏移量bias该如何计算?输出矩阵的个数与卷积核的个数相同。越级的时候就是由P的方式进行补全。2、全连接层：许多神经元连接。加上激活函数该如何许算?one hot 编码。
1.2卷积神经网络基础补充（霹雳吧啦Wz笔记）
weixin_52449030的博客
03-27 136
卷积神经网络基础补充(霹雳吧啦Wz学习笔记)
1.1卷积神经网络基础（霹雳吧啦Wz笔记）
weixin_52449030的博客
03-27 122
霹雳吧啦Wz学习笔记
2.1 LeNet（霹雳吧啦Wz笔记）
weixin_52449030的博客
03-27 599
LeNet（霹雳吧啦Wz笔记）
初学深度学习笔记（小土堆和霹雳吧啦）
qq_43381493的博客
10-27 765
AlexNet与数据集读取的初步学习
深度学习之跟学霹雳吧啦Wz笔记
丶玉面小蛟龙的博客
06-03 3758
大佬的B站空间 LeNet:卷积神经网络的第一篇实际应用。 这个网络，大佬视频讲解的很清楚，我个话痴就不多言了。 LeNet代码中学到的新东西 pytorch的数据的格式[batch_size,channel,height,width],即[图片数量，图片深度（通道），图片高度，图片宽度] pytorch的卷积Conv函数（卷积核通道数，卷积核个数，卷积核尺寸，卷积步长，卷积填充） transform函数，作用好像是图像数据预处理成tensor变量，划定尺寸，自定义分割等等。 函数iter(),自动迭代
卷积神经网络基本概念1
08-08
卷积神经网络（Convolutional Neural Network，简称CNN）是一种深度学习模型，广泛应用于计算机视觉领域，如图像分类、目标检测等。本篇文章主要探讨卷积神经网络中的几个关键概念：步长、池化、卷积、填充以及上...
实验一_汇编霹雳灯_霹雳灯_霹雳灯c代码_霹雳灯C语言_
10-01
总的来说，"实验一_汇编霹雳灯"是一个很好的学习机会，它将帮助你深入理解计算机底层工作原理，提高编程技能，并掌握如何通过C语言控制硬件资源，实现特定的视觉效果。通过这个实验，你将能够运用汇编语言进行实际的...
卷积神经网络基础知识
xxtzzxx的博客
10-16 588
注意：计算多类损失过层中，一般最后一层使用softmax激活函数。SGD：分批次进行训练，每一批次（随机的）进行损失的计算以及损失的反向传播。输出的特征矩阵channel与卷积核个数相同。其实到这里并没有结束，问：计算的损失是否指向全局最有的方向。结果：卷积核的channel与输入特征层的channel相同；针对不同的分类问题，我们会分别通过如下的公式计算损失。注意：学习率下降的太快可能还没收敛就停止训练。池化层没有训练参数。目的：为了使网络更快的收敛。可以发现结果满足概率分布。目的：进行图像特征的提取。
RegNet——颠覆常规神经网络认知的卷积神经网络（网络结构详解+详细注释代码+核心思想讲解）——pytorch实现
爱吃橘子的小翟
01-02 3848
RegNet的博客的准备我可谓是话费了很多的时间，参考了诸多大佬的资料，主要是网上对于这个网络的讲解有点少，毕竟这个网络很新。网上可以参考的资料太少，耗费了相当多的时间，不过一切都是值得的，毕竟学完之后，才发现它真的是个超级无敌吊炸天的CNN卷积神经网络，跟他比起来之前常规的神经网络完全都是弟弟！好的 废话少说，我们先来简单了解一下regnet的思想。原论文名称：Designing Network Design Spaces 原论文下载地址：https://arxiv.org/abs/2003.13678.
学习笔记JVM篇（五）
最新发布
仔哥学编程
09-17 650
代码解析：首先根据处理器数量来确定创建的线程数量，然后创建线程不断的死循环执行一些逻辑，这样可以让CPU寻思飙高。JPS全称 Java Process Status Tool，这个命令与Liunx的PS很像，下面我们测试一下这个命令，首先编写一段非常简单的Java代码。jstack是java栈的跟踪器，可以打印出java应用程序中所有线程的信息、包含堆栈信息、调用栈信息、锁等信息，所以常用于诊断死锁、内存泄漏等等。使用JPS命令，可以看到我们刚才启动的Java进程，同时进程号为7484。
shader 案例学习笔记之将坐标系分成4个象限
localhost
09-13 241
坐标系被分成了4个单元格，每个单元格都有唯一的索引，后续就可以根据索引去渲染。
计算几何学习
网安小白
09-12 463
学习计算几何过程中对经典算法的记录
Spring Framework 学习总结博客
2302_80084329的博客
09-13 1038
通过本文的学习，我们从Spring的核心架构入手，逐步理解了IoC和DI的概念，并通过代码示例掌握了如何在实际项目中使用这些技术。Spring通过IoC容器管理bean，依赖注入将bean之间的关系解耦，大大简化了复杂系统的开发过程。这些基本的Spring知识是理解其高级特性（如AOP、事务管理）的基础，掌握这些概念后，我们可以更加自如地使用Spring构建复杂的企业级应用。
看Threejs好玩示例，学习创新与技术(二)
htsitr2的专栏
09-14 508
它的主要特点是确保生成的点之间保持一定的最小距离，从而避免点的聚集。这种方法在计算机图形学、游戏开发、物理模拟等领域中非常有用，尤其是在需要生成自然分布的对象（如树木、石头等）时。如果不进行裁剪，那么效果如下（初步的锯齿感是因为矩形内采样的结果）。为啥这么复杂呢，为啥不开始存储每个方块的UV呢？下面代码的vTexCoords（=savedModelMatrix，已修改）记录方块所在的位置，vWorldPosition表示方块中像素的偏移。在上面那副图中，聪明的你一定初步猜到了每个方块的纹理是怎么得到的。
霹雳巴拉wz学习笔记语义分割
10-20
霹雳巴拉wz学习笔记中的语义分割是指将一张图像分割成多个语义区域的过程。具体来说，它是指将图像中的每个像素分配到不同的语义类别中，例如人、车、路面等。语义分割在计算机视觉领域有着广泛的应用，例如自动驾驶...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值