三七2024-CSDN博客

原创基于ResNet-18的简单分类（新手，而且网络效果不咋滴，就是学个流程）

基于ResNet-18的简单分类（新手，而且网络效果不咋滴，就是学个流程）过程很详细！

2024-06-14 17:23:51 1202

原创 08 Dataset and DataLoader (加载数据集）

本节内容是学习刘二大人的《PyTorch深度学习实践》的 08 Dataset and DataLoader (加载数据集）。

2024-06-06 15:40:32 1016

原创 07 Multiple Dimension Input (处理多维特征的输入)

本节内容是学习刘二大人的《PyTorch深度学习实践》的 07 Multiple Dimension Input (处理多维特征的输入)。

2024-05-28 19:45:06 1054

原创搭建U-Net并基于DRIVE数据集训练

这是学习 B站博主霹雳吧啦Wz 的深度学习-语义分割篇-使用PyTorch搭建U-Net网络并基于DRIVE数据集训练视频所做的笔记。

2024-05-24 14:40:41 1058 6

原创 06逻辑斯蒂回归

本节内容是学习刘二大人的《PyTorch深度学习实践》的06逻辑斯蒂回归。主要知识点：Logistic Regression Model

2024-05-22 20:24:45 1164 1

UNet 网路结构左半部分是下采样：图片尺寸变小，图片变得模糊；UNet 网路结构右半部分是上采样：图片尺寸变大，图片变得清晰。常见的方法包括平均池化、最大池化和卷积池化等。常见的方法包括最近邻插值、双线性插值和三次插值等。上采样和下采样的目的是为了适应不同的任务需求，例如：在特征提取、图像压缩和迁移学习中，需要将高分辨率图像下采样到低分辨率图像。（UNet 左半部分就是在进行特征提取、图像压缩）在目标检测、图像分割和超分辨率重建等任务中，需要将低分辨率图像上采样到高分辨率图像。

2024-05-22 16:13:15 325

原创 U-Net 网络结构讲解

※ 这是学习 B站博主霹雳吧啦Wz 的深度学习-语义分割篇-UNet网络结构讲解视频所做的笔记。主要讲了论文中网络结构以及现在的主流更改还有论文中的两张图。

2024-05-22 16:11:59 1362

原创 05用PyTorch实现线性回归

用 PyTorch 写深度神经网络：第一步：Prepare dataset 构建数据集第二步：Design model using Class 设计模型（注意：这个模型计算的不是损失，而是y^）第三步：Construct loss and optimizer 构造损失函数和优化器第四步：Training cycle 写训练周期（前馈反馈更新的过程）第五步：Prediction 预测结果（第五部可适当补充想生成的图像）# 线性模型# 构造函数是初始化默认的函数。

2024-05-21 14:50:15 1340 3