- 博客(3)
- 资源 (1)
- 收藏
- 关注
RSS订阅
6原创 ResNet残差网络学习笔记
在这之前，理论上来说，神经网络深度越深可以提取到更多的数据特征，但事实上会出现会出出现梯度消失的情况。但当网络层数加深时，梯度在传播过程中会逐渐消失（梯度弥散），无法有效地对前层网络全重进行优化。即使深层卷积深度不断增加，出现梯度为0的情况，但由于多了个‘1’（shortcurt connnect），梯度反向传播的时候也能持续传递下去，不会出现阻断的情况。在传统的平原神经网络里边，可能网络训练已经达到最优，但随着网络的继续epoch，全重不断更新，但可能会导致全重朝着的错误的方向更新。
2023-12-26 11:08:03
356
原创 YOLOv5训练遇到bug记录
---------------------------------------------------------------定义函数-----------------------------------------在datasets.py脚本里边定义函数：img2label_paths。根据images文件夹的路径寻找labels的路径失败。重新运行train.py，既可正常训练。
2023-11-01 11:18:31
342
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人