- 博客(4)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 OUC的搬砖日记04|深度学习第四周
1.训练HybridSN，然后多测试几次，会发现每次分类的结果都不一样，请思考为什么?在进行训练数据加载时，每次都会进行shuffle操作，每次的shuffle操作是随机的。定义了一个优化器，该优化器能自适应优化学习率，也增加了训练结果的不确定性。③HybridSN包含dropout正则化技术2.如果想要进一步提升高光谱图像的分类性能，可以如何改进?①加深网络层数：通过增加卷积神经网络（CNN）的深度，可以提高模型对高光谱图像的学习能力和特征提取的复杂度。
2024-08-28 19:28:30
654
原创 OUC的搬砖日记03|深度学习第三周
Batch Normalization 的基本原理是对每个 mini-batch 的数据进行归一化处理，使得每个特征的均值为 0，方差为 1。
2024-08-28 19:23:59
273
原创 OUC的搬砖日记02|深度学习第二周
①shuffle=False：不对数据进行随机打乱。②shuffle=True：对数据进行完全随机的打乱。③shuffle=Sequence：根据指定种子来对数据进行打乱，用相同的种子打乱的结果是一样的。2.transform里，取了不同值，这个有什么区别？①缩放操作：transforms.Resize(size)：将图像缩放到指定的大小，size 可以是一个整数或一个元组，例如 transforms.Resize(256) 或 transforms.Resize((256, 256))。
2024-08-28 19:17:39
980
原创 OUC的搬砖日记01|深度学习第一周
AlexNet具有更深的网络结构，更大的卷积核和池化核，其激活函数使用的是ReLU函数可以解决梯度消失的问题，能够避免过拟合具有较强的泛化能力。引入了DropOut机制，训练时随机关闭部分神经元，避免过拟合。因为AlexNet具有更深的网络结构，能够更好的学习复杂的特征。有更大的卷积核和池化，核可以提取更丰富的特征，相比于LeNet使用的Sigmoid激活函数ReLU函数既可以解决梯度消失问题，又能够加快计算速度。在不用的情况下SGD 和 Adam各有优缺点，
2024-08-28 19:04:59
682
空空如也
jsonp回调函数不运行
2022-03-01
TA创建的收藏夹 TA关注的收藏夹
TA关注的人