qq_43346150的博客

实验内容将卷积神经网络（CNN）应用在图像分割任务上，我们需要对网络结构进行设计。本实验使用U-Net网络结构对 数据集进行医疗图像分割。实验原理U-Net的网络结构U-Net是一个端到端的完全卷积编码网络，结构包含收缩路径（contracting path）和对称扩展路径（symmetric expanding path）。收缩路径是典型的卷积编码网络，每一层卷积核大小是3x3，并通过一个ReLU和2x2的最大池化操作组成一次下采样。每一个下采样后将特征通道数加倍。扩展路径每一层对特征映射进行

实验内容将循环任务（RNN）应用在图像分割任务上，我们需要对网络结构进行设计。本实验使用LSTM的网络结构，TensorFlow框架对 数据集进行文本情感分类（正向、负向）。实验原理RNN（循环神经网络）RNN是一种特殊的神经网络结构, 它是根据"人的认知是基于过往的经验和记忆"这一观点提出的. 它与DNN,CNN不同的是: 它不仅考虑前一时刻的输入,而且赋予了网络对前面的内容的一种’记忆’功能.RNN之所以称为循环神经网路，即一个序列当前的输出与前面的输出也有关。具体的表现形式为网络会对前面的

实验内容卷积神经网络（CNN）因为其能够自动抽取图像的浅层到深层的特征，所以在近几年有许多应用。实验尝试使用深度学习框架Tensorflow，用AlexNet、GoogleNet、ResNet两种CNN来对MNIST手写数据集进行图像分类。实验原理AlexNetAlexNet总共包含8层，其中有5个卷积层和3个全连接层，有60M个参数，神经元个数为650k，分类数目为1000，LRN层出现在第一个和第二个卷积层后面，最大池化层出现在两个LRN层及最后一个卷积层后。第一层输入图像规格为22722

安装Anaconda官网下载：https://www.anaconda.com/products/individual创建虚环境conda create -n tensorflow(env_name) pyhton=3.7conda activate //激活虚环境conda deactivate //退出虚环境常用命令安装tensorflowconda install cudatoolkit=10.1conda install cudnn=7.6pip install tensorf