![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
计算机视觉与深度学习
文章平均质量分 95
执志@☆飞扬か
这个作者很懒,什么都没留下…
展开
-
【深度学习02】PyTorch之LeNet
LeNetCNN(Convolutional Neural Network)雏形:LeCun的LeNet(1998年)网络结构PyTorch tensor的通道排序:[batch_size, channel, height, width]官方Demo:Training a Classifier — PyTorch Tutorials 1.11.0+cu102 documentation3.1 网络结构说明:卷积运算后的特征图输出尺寸计算公式:其中,WWW为输入图像的尺寸(W),FFF原创 2022-05-05 23:04:11 · 777 阅读 · 0 评论 -
【深度学习01】最优化算法
1 梯度下降方向若使用整个样本集进行求解,损失梯度会指向全局最优方向2. 若使用分批次样本进行求解,损失梯度会指向当前批次最优方向如ImageNet大型图像数据集,在实际应用中往往不可能一次性将所有数据载入内存(算力也不够),所以只能分批次(batch)训练2 优化器目的:为了使网络更快的收敛优化器(Optimizer)(SGD、Momentum、AdaGrad、RMSProp、Adam)优化器(Optimizer)许多优化算法的设计从梯度方向和学习率两个方面入手梯度方向入手:原创 2022-05-04 22:40:48 · 940 阅读 · 0 评论 -
计算机视觉入门到实战教程
文章目录计算机视觉入门到实战教程1 机器学习流程2 什么是深度学习?3 特征如何提取?4 图像分类5 K近邻6 神经网络基础6.1 线性函数6.2 损失函数6.3 前向传播与反向传播7 卷积神经网络7.1 与传统神经网络区别7.2 卷积7.3 卷积特征值计算方法7.4 特征图(feature map)7.5 堆叠的卷积层7.6 卷积层参数7.7 特征图尺寸计算7.8 卷积参数共享7.9 池化层7.10 感受野7.11 整体网络架构计算机视觉入门到实战教程1 机器学习流程数据获取特征工程(重难点)原创 2022-02-23 18:07:51 · 648 阅读 · 0 评论