霹雳吧啦wz学习笔记2_AlexNet网络

最新推荐文章于 2024-10-15 00:03:04 发布
最新推荐文章于 2024-10-15 00:03:04 发布
阅读量171 收藏 1
点赞数
文章标签： 学习 笔记
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/132541421
版权
文章探讨了sigmoid激活函数的缺点，如求导困难和深度网络梯度消失，提出ReLU作为改进。此外，作者解释了Dropout如何通过减少参数来防止过拟合。还介绍了卷积层（如conv1的参数）和最大池化层的结构，以及全连接层的处理方式。
摘要由CSDN通过智能技术生成

在这里插入图片描述
sigmoid激活函数以及一些传统的激活函数的缺点：
1.在求导的过程中，求导很麻烦
2.当网络比较深的时候会出现梯度消失的现象
Relu就解决了这两个痛点

过拟合在这里插入图片描述
本文的作者使用Dropout的方式解决过拟合的问题
可以这样理解：
Dropout操作变相的减少了网络训练的参数，从而达到减少过拟合的作用
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
conv1：图片大小高224，宽224，深度3[224,224,3]
卷积核大小1111
padding:[1,2]表示左边加上一列0，右边加上2列0（图中没有说明，论文和源码可以看出）
步距：4
卷积核的个数：482 = 96
卷积之后得到555596

最大池化下采样层：池化操作只会改变特征矩阵的高度与宽度，不会改变深度

在这里插入图片描述
卷积层2 ：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
在这里插入图片描述
在这里插入图片描述

全连接层：只需要将maxpool最后的输出进行展平
在这里插入图片描述

zzz不摸鱼
关注
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 3793
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
AlexNet网络的搭建以及训练花分类
Sunshine_QS的博客
05-18 1385
前言 本学习笔记参考自B站up主霹雳吧啦Wz 代码均来自导师github开源项目WZMIAOMIAO/deep-learning-for-image-processing: deep learning for image processing including classification and object-detection etc. (github.com) 视频链接在这里:2.1 pytorch官方demo(Lenet)_哔哩哔哩_bilibili AlexNet网络结构 AlexNet是20
初学深度学习笔记（小土堆和霹雳吧啦）
qq_43381493的博客
10-27 782
AlexNet与数据集读取的初步学习
学习笔记（2）-AlexNet + 如何写脚本划分图像数据集
weixin_42459277的博客
09-04 88
1.首次利用GPU进行网络加速训练2.使用了ReLU激活函数，而不是传统的Sigmoid及Tanh3.使用了LRN局部响应归一化4.在全连接层的前两层中使用了Dropout随机失活神经元操作，减少了过拟合。
深度学习系列2——Pytorch 图像分类(AlexNet)
霁风AI
11-25 1944
深度学习系列2——Pytorch 图像分类(AlexNet)
Pytorch学习笔记:AlexNet
qq_42309130的博客
06-05 278
Pytorch学习笔记:AlexNet1.模型文件2.训练文件3.测试文件 主要参考b站up霹雳吧啦Wz视频，本文不再赘述网络具体内容，以代码实现为主。感谢up主做的极其详细并对小白友好的精彩分享。 AlexNet知识点视频 代码实现视频 代码来自up主的Github仓库开源项目，侵权删。 1.模型文件 import torch.nn as nn import torch class AlexNet(nn.Module): def __init__(self, num_classes=1000
卷积神经网络学习笔记-分类网络（一）
weixin_47260381的博客
08-21 1537
分类卷积神经网络
深度学习入门（搭建AlexNet并训练花分类数据集）
m0_72565814的博客
07-19 806
本文为本人学习深度学习所做，时间24/07/19看的视频是b站up主霹雳吧啦Wz代码也是他提供的越学越觉得这个up讲的真挺好的，除了知识讲的很清晰，在视频里会随着系列的深入，逐渐加上一些项目工程的东西进去，像这个项目里就有断言、文件夹构成、跑一次模型的时间这些有用的小技巧的加入，真的讲的很好，十分收益另外我的笔记和源码放在了我的GitHub仓库。
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...
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...
霹雳吧啦wz图像分类
10-02
霹雳吧啦wz图像分类的代码如下： ```python from PIL import Image import torch from torch.utils.data import Dataset # 自定义数据集处理 class MyDataSet(Dataset): def __init__(self, images_path: list, ...
【人工智能学习之PaddleOCR快速上手】
Jiagym的博客
10-12 1409
在配置文件中，可以设置组建模型、优化器、损失函数、模型前后处理的参数，PaddleOCR从配置文件中读取到这些参数，进而组建出完整的训练流程，完成模型训练，在需要对模型进行优化的时，可以通过修改配置文件中的参数完成配置，使用简单且方便修改。而 L2 正则化中，添加正则化项的目的在于减少参数平方的总和。准确检测的标准是检测框与标注框的IOU大于某个阈值，正确识别的检测框中的文本与标注的文本相同。如果缺少带标注的数据，或者不想投入研发成本，建议直接调用开放的API，开放的API覆盖了目前比较常见的一些垂类。
论文及其创新点学习cvpr2022 On the Integration of Self-Attention and Convolution
qq_53536373的博客
10-13 529
论文创新点，将注意力机制 和卷积 相结合。
stm32单片机个人学习笔记9（TIM输入捕获）
2302_80867398的博客
10-13 271
从模式选择Reset模式可以实现自动清零计数器CNT。
苍穹外卖学习笔记(二十一)
₍˄·͈༝·͈˄*₎◞ ̑̑的博客
10-13 363
取消订单与再来一单
拆解学习【无线充，EMMC，锂电池电量计，OTA】（二）
zjb6668的博客
10-12 1054
MT5727H内置ARM M0处理器，搭配8KB SRAM和16KB MTP存储器，支持私有无线充电协议，芯片内部集成同步整流器和LDO，芯片内置过压过流保护，支持I2C接口和可配置的GPIO接口。无线连接采用dialog DA16200 WiFi SoC芯片，是一款高度集成的超低功耗的WiFi SoC芯片，芯片内置基带处理器，内存，处理器，功放和放大器等。- 在多任务场景（如蓝牙传输、主动降噪和音频播放）下，需要快速存储和读取中间数据，而 eMMC 的**高速接口**能保证系统的实时性。
Types and Programming Languages, Benjamin C. Pierce 学习笔记（一） Introduction
ldc1513的博客
10-14 347
they compute （eg：C++里面的类型系统，通过类型检查来规避一些类型错误）.
vue3学习记录-Teleport和KeepAlive
qq_45030898的博客
10-14 580
vue3学习记录-Teleport和KeepAlive
SpringCloud学习记录|day5
最新发布
anncyuyan的博客
10-15 197
目前讲过的可惜，自己基本没理解。
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