- 博客(4)
- 收藏
- 关注
RSS订阅原创 暑期培训深度学习 WEEK4
两者都是多通道卷积，2D卷积用于处理图像，可以提取出图像的局部特征。3D卷积用于处理三维数据， 它比2D卷积多一个深度信息。模型的网络结构为如下图所示：三维卷积部分：conv1：（1, 30, 25, 25）， 8个 7x3x3 的卷积核 ==>（8, 24, 23, 23）conv2：（8, 24, 23, 23）， 16个 5x3x3 的卷积核 ==>（16, 20, 21, 21）
2023-08-04 22:20:03
86
1
原创 暑期培训深度学习 WEEK3
引入深度残差学习框架来解决退化问题。一个残差模块如下图所示：退化问题是指在深度神经网络训练中由于层数的增加，可能导致性能的下降。这是由于在多个非线性层中，优化器可能难以学习到恒等映射。残差学习将原始输入和输出之间的映射关系改变为输入的输出之间的差异。如果恒等映射是最优的，那么使用残差学习的方法，优化器可以通过将多个非线性层的权重逐渐逼近0来得到恒等映射。左边的是浅层网络（ResNet34）使用的残差块，右边是深层网络(ResNet-50/101/152)使用的残差块。
2023-07-28 18:38:23
71
1
原创 暑期培训深度学习 WEEK2
shuffle的含义是是否随机打乱每个epoch中的顺序。如果设为True,代表每个epoch中的数据的顺序都是随机的，这样可以更好地训练网络并提高模型的泛化能力。如果设为False，则内个epoch中数据的顺序都是随机的，这样虽然会导致训练效果没有那么好，但是可以保证结果的可重复性。在用CNN对MNIST分类时，shuffle取True时，在测试集上的测试的准确率为96%，shuffle取False时，在测试集上的测试准确率为93%，可以看出shuffle取True网络训练效果更好。
2023-07-21 10:25:51
77
1
原创 暑期培训深度学习 WEEK1
可以定义各种各样的数据，一个数，一维数组，二维数组，多维数组等等凡是用Tensor进行各种运算的，都是Function，最终还是需要用Tensor来计算，计算分为以下几种：基本运算：加减乘除，求幂求余布尔运算：大于小于，最大最小线性计算：矩阵乘法，求模，求行列式需要注意的是，使用@进行矩阵乘法时，要先把张量统一转换为float型或者double型，如果是整型会发生错误。绘制随机数直方图，当数量非常非常大时，正态分布体现特别明显以下是AlexNet的模型结构AlexNet具有以下特点。
2023-07-14 10:58:24
70
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人