炫云云-CSDN博客

原创 1.20 深度学习优化器对比

优化器分类与性能对比摘要本文系统分析了深度学习中的核心优化器，包含三类主要优化器：基础SGD系列（SGD、SGD+Momentum、Nesterov）、自适应学习率系列（Adam、AdamW、RMSprop）以及小众优化器（LBFGS、ASGD）。通过对比表格展示了各优化器在收敛速度、内存需求、泛化性能等方面的差异，其中Adam系列因自适应学习率和动量结合成为最主流选择，而AdamW特别适合大模型训练。文章详细解析了SGD的惯性机制、Adam的二阶矩估计等数学原理，并指出SGD泛化性好但收敛慢，Adam收

2025-12-14 21:28:00 86

原创 VS studio 与 VS code 使用技巧

Ctrl + 鼠标左击跳到定义.返回：WindowsAlt←;或者鼠标侧键LinuxCtrlAlt;MacCtrlctrlshift在代码中配置样式当使用 clang::format::reformat(...) 方法, 格式将被clang::format::FormatStyle 框架指定。配置格式化样式选项这一部分列出了被支持的选项。每个操作都有指定类型。枚举类型的可能的值，被C++枚举（一个预编译，例如：LS_Auto）和配置中的一个值（没有预编译：Auto）指定。

2025-12-14 21:14:51 145

原创 4.5.1 AlexNet 原理及服装分类——Pytorch实战CNN

深度可分离卷积配合Leaky ReLU优化的初始化策略，提供了一种参数高效、训练稳定的架构，在资源受限环境中尤为适用。实现时应特别注意深度卷积和逐点卷积的不同初始化需求，以充分发挥其性能潜力。

2025-12-10 17:01:59 121

原创服饰衣服数据集

本文介绍了两个公开服装数据集资源：Clothing dataset包含5000多张图片，涵盖20类服装（如T恤、裤子等），提供图片ID、标签等元数据，并推出10类精简子集便于教学使用；DeepFashion2是更全面的服饰数据集，包含80万服装条目，支持检测、姿态估计等多任务，提供丰富的风格、视角等标注信息及87万商业-消费者服装配对数据。两个数据集均开源可用，为服装识别研究提供重要数据支持。

2025-12-10 16:59:03 284

原创 4.1.2 CNN进行衣物分类----tensorflow实战

本文介绍了经典的LeNet-5卷积神经网络结构及其TensorFlow实现。LeNet-5由Yann LeCun提出，用于手写数字识别，包含2个卷积层、2个池化层和3个全连接层。文章详细分析了各层参数计算方式，如C1层使用6个5×5卷积核得到28×28特征图。作者基于Fashion-MNIST数据集，使用TensorFlow2实现了改进版LeNet-5（输入调整为28×28），并通过model.summary()展示了网络结构和61,894个参数分布情况，指出卷积层能显著减少参数量（全连接层占比最大）。代码

2025-11-25 19:48:22 76

原创 4.1.1 CNN进行衣物分类----Pytorch实战

本文介绍了经典的卷积神经网络LeNet-5及其PyTorch实现。LeNet-5由Yann LeCun提出，是最早的卷积神经网络之一，主要用于手写数字识别。文章详细分析了其网络结构（包含2个卷积层、2个池化层和3个全连接层），给出了各层参数计算方法和输出尺寸推导公式。针对Fashion-MNIST数据集（28×28灰度图），提供了两种实现方案：填充至32×32或直接调整网络结构。最后展示了完整的PyTorch实现代码，包括模型定义和训练流程，使用ReLU激活函数替代原始的tanh，更适合现代深度学习应用。

2025-11-25 19:43:02 78