![](https://img-blog.csdnimg.cn/3d6fcc976cad45938f8ffa6a97371982.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
深度学习项目实战基础案例
文章平均质量分 90
该专栏是博主近两年来入门深度学习和进阶实战的经验积累,欢迎各位小伙伴们关注学习~
心无旁骛~
百度飞桨星河社区中级精品作者、2023年度文心卓越贡献奖,在校期间获国家级奖项7项、省级奖项10余项,申请发明专利一项、科研项目四项,成功发表SCI2区论文一篇,中文普刊一篇,欢迎大家一起学习交流~
展开
-
深度学习实战基础案例——卷积神经网络(CNN)基于MobileNetV3的肺炎识别|第3例
Google公司继MobileNetV2之后,在2019年发表了它的改进版本MobileNetV3。而MobileNetV3共有两个版本,分别是MobileNetV3-Large和MobileNetV2-Small。改进后的MobileNetV3,在ImageNet数据集的分类精度上,它的MobileNetV3-Large版本相较于MobileNetV2提升了大概3.2%的精度同时延迟减少了20%,而MobileNetV3-Small则提升了6.6%的精度,减少了大概23%的延迟。原创 2023-10-05 11:53:50 · 1236 阅读 · 0 评论 -
深度学习实战基础案例——卷积神经网络(CNN)基于Xception的猫狗识别|第2例
今天使用Xception轻量级网络实现一个简单的猫狗识别。原创 2023-09-24 00:12:10 · 607 阅读 · 0 评论 -
最新版本的Anaconda环境配置、Cuda、cuDNN以及pytorch环境一键式配置流程
本教程是最新的深度学习入门环境配置教程,跟着本教程可以帮你解决入门深度学习之前的环境配置问题。同时,本教程拒绝琐碎,大部分以图例形式进行教程。原创 2023-08-12 12:05:05 · 6409 阅读 · 20 评论 -
Pytorch的torch.utils.data中Dataset以及DataLoader等详解
是PyTorch提供的一个模块,用于处理和加载数据。该模块提供了一系列工具类和函数,用于创建、操作和批量加载数据集。下面是Dataset: 定义了抽象的数据集类,用户可以通过继承该类来构建自己的数据集。Dataset用于访问单个样本,__len__用于返回数据集的大小。: 继承自Dataset类,用于将张量数据打包成数据集。它接受多个张量作为输入,并按照第一个输入张量的大小来确定数据集的大小。DataLoader: 数据加载器类,用于批量加载数据集。原创 2023-08-20 09:34:54 · 6903 阅读 · 11 评论 -
CUDA、cuDNN以及Pytorch介绍
在讲解cuda和cuDNN之前,我们首先来了解一下英伟达(NVIDA)公司。NVIDIA是一家全球领先的计算机技术公司,专注于图形处理器(GPU)和人工智能(AI)计算。公司成立于1993年,总部位于美国加利福尼亚州的圣塔克拉拉。NVIDIA的产品和技术广泛应用于各个领域,包括游戏、虚拟现实、自动驾驶、数据中心、边缘计算等。作为全球最为知名的GPU制造商之一,NVIDIA的图形处理器技术推动了计算机图形学和游戏行业的发展。原创 2023-08-14 15:55:47 · 1487 阅读 · 2 评论 -
深度学习实战基础案例——卷积神经网络(CNN)基于SqueezeNet的眼疾识别|第1例
SqueezeNet是一种轻量且高效的CNN模型,它参数比AlexNet少50倍,但模型性能(accuracy)与AlexNet接近。顾名思义,Squeeze的中文意思是压缩和挤压的意思,所以我们通过算法的名字就可以猜想到,该算法一定是通过压缩模型来降低模型参数量的。当然任何算法的改进都是在原先的基础上提升精度或者降低模型参数,因此该算法的主要目的就是在于降低模型参数量的同时保持模型精度。基础环境:python3.7编译器:pycharm深度学习框架:pytorch链接(提取码:2357 )原创 2023-08-13 15:12:15 · 6110 阅读 · 20 评论