小馨馨的小翟
遗憾总是贯穿人生始终。阿里云专家博主,CSDN人工智能领域优质创作者,SnnGrow开源社区特邀作者,中国移动搬砖员工
展开
-
ML Visuals-逆天神经网络绘制神器还有暗黑模式-出于开源精神看到某些人非得积分才愿意提供下载的我在翻墙搞到之后决定免费开源出来
机器学习从业者,从此不再愁如何画神经网络图了。百度云下载链接 :链接:https://pan.baidu.com/s/1EzfU_xjdAod0DAiaqjGldg提取码:j88g复制这段内容后打开百度网盘手机App,操作更方便哦毕竟这东西本来就是免费的,还是免费开源出来比较好 。...原创 2020-10-28 11:12:31 · 2448 阅读 · 23 评论 -
RegNet——颠覆常规神经网络认知的卷积神经网络(网络结构详解+详细注释代码+核心思想讲解)——pytorch实现
RegNet的博客的准备我可谓是话费了很多的时间,参考了诸多大佬的资料,主要是网上对于这个网络的讲解有点少,毕竟这个网络很新。网上可以参考的资料太少,耗费了相当多的时间,不过一切都是值得的,毕竟学完之后,才发现它真的是个超级无敌吊炸天的CNN卷积神经网络,跟他比起来之前常规的神经网络完全都是弟弟!好的 废话少说,我们先来简单了解一下regnet的思想。原论文名称:Designing Network Design Spaces原论文下载地址:https://arxiv.org/abs/2003.13678.原创 2023-01-02 00:08:54 · 3659 阅读 · 7 评论 -
深度学习之卷积神经网络中常用模型评估指标(混淆矩阵,精确率,召回率,特异度计算方法)——python代码
混淆矩阵,精确率,召回率,特异度作为卷积神经网络的模型性能评价指标,它们的计算和绘制具有非常重要的意义,特别是在写论文的时候,我们往往需要这些指标来证明我们模型的优异性,这里给出相应的代码方便大家计算和绘制自己的混淆矩阵和计算各种指标。首先是文件夹摆放方式: num_classes.json为写自己数据种类的文件:按照这样写入自己的数据种类名称即可,如果种类比这多或者少,相应删减即可 data文件夹下放置自己用来绘制混淆矩阵的数据集,数据集每一类文件夹的名称为这类数据集种类的名称即可: lenet.pth为原创 2022-07-03 13:45:54 · 4829 阅读 · 1 评论 -
深度学习之如何使用Grad-CAM绘制自己的特征提取图-(Pytorch代码,详细注释)神经网络可视化-绘制自己的热力图
Grad-CAM绘制自己的热力图原创 2022-06-02 17:05:27 · 11828 阅读 · 34 评论 -
手撕Desenet卷积神经网络-pytorch-详细注释版(可以直接替换自己数据集)-直接放置自己的数据集就能直接跑。跑的代码有问题的可以在评论区指出,看到了会回复。训练代码和预测代码均有。
论文链接:https://arxiv.org/pdf/1608.06993.pdfDesenet(Densely Connected Convolutional Networks),翻译过来就是密集连接的卷积神经网络。Desenet网络是相较于Resnet更为先进的网络,简单来说两者的区别就是,Resnet网络是将前2层,或者前3层之前卷积层获取的特征,打入到当前层。 需要学习Resnet的可以看我的这篇博客。手撕Resnet卷积神经网络-pytorch-详细...原创 2022-05-31 18:09:15 · 1363 阅读 · 7 评论 -
深度学习篇之数据集划分方法-附代码python详细注释
在深度学习训练模型过程中,我们第一步就是要收集相应的数据集,之后我们就是要将数据划分为训练集train和验证集val,但是有时间我们时常面临数据量庞大的问题,手动划分显然是不现实的,因为太麻烦了,而且不具有固定规律的随机性。但是python对文件和文件夹极其强大的操作性帮助我们解决了数据集划分的问题,本篇博客我们将开源数据集划分的代码,让我们学习如何使用python划分自己的数据集。先简单讲解一下代码的使用方法,在博客的最后会附上完整的代码data_path = './data'#数据集存放的原创 2022-04-30 17:12:17 · 11831 阅读 · 3 评论 -
迁移学习篇之如何迁移经典CNN网络-附迁移学习Alexnet,VGG,Googlenet,Resnet详细代码注释和方法-pytorch
迁移学习原创 2022-04-27 15:26:21 · 3589 阅读 · 10 评论 -
手撕VGG卷积神经网络-pytorch-详细注释版(可以直接替换自己数据集)-直接放置自己的数据集就能直接跑。跑的代码有问题的可以在评论区指出,看到了会回复。训练代码和预测代码均有。
VGG”代表了牛津大学的Oxford Visual Geometry Group,VGG的Classification模型从原理上并没有与传统的CNN模型有太大不同。大家所用的Pipeline也都是:训练时候:各种数据Augmentation(剪裁,不同大小,调亮度,饱和度,对比度,偏色),剪裁送入CNN模型,Softmax,Backprop。测试时候:尽量把测试数据又各种Augmenting(剪裁,不同大小),把测试数据各种Augmenting后在训练的不同模型上的结果再继续Averaging出最后的结果原创 2022-03-18 16:49:56 · 10361 阅读 · 41 评论 -
手撕Alexnet卷积神经网络-pytorch-详细注释版(可以直接替换自己数据集)-直接放置自己的数据集就能直接跑。跑的代码有问题的可以在评论区指出,看到了会回复。训练代码和预测代码均有。
详细注释alexnet代码原创 2022-03-15 10:35:31 · 14094 阅读 · 38 评论 -
手撕Resnet卷积神经网络-pytorch-详细注释版(可以直接替换自己数据集)-直接放置自己的数据集就能直接跑。跑的代码有问题的可以在评论区指出,看到了会回复。训练代码和预测代码均有。
导入库:import torchimport torchvisionimport torchvision.modelsimport osfrom matplotlib import pyplot as pltfrom tqdm import tqdmfrom torch import nnfrom torch.utils.data import DataLoaderfrom torchvision.transforms import transforms图像预处理:将图像放缩成原创 2022-03-26 16:55:30 · 30786 阅读 · 73 评论 -
手撕Googlenet卷积神经网络-pytorch-详细注释版(可以直接替换自己数据集)-直接放置自己的数据集就能直接跑。跑的代码有问题的可以在评论区指出,看到了会回复。训练代码和预测代码均有。
Googlenet是2014年被提出来的一种全新的神经网络结构,我个人认为他跟Resnet一样都是具有划时代意义的神经网络,当然他的意义不仅在于获得该年 ImageNet 竞赛中 Classification Task(分类任务)第一名,而是他跟Resnet一样都代表一种网络结构的改变,Resnet提出来残差网络结构,Googlenet提出了多尺度融合的网络结构,这种结构非常有意义。在目标检测领域应用非常广泛,目标检测的特征金字塔特征融合的方法和网络结构正式借鉴了googlenet的思想。下图是最开..原创 2022-04-09 15:50:56 · 6206 阅读 · 20 评论