![](https://i-blog.csdnimg.cn/direct/243f45316d79423eb8daf15995f9a8cf.jpeg?x-oss-process=image/resize,m_fixed,h_224,w_224)
深度学习
文章平均质量分 95
这是一个专为深度学习爱好者、从业者及探索者打造的知识分享与技术交流空间。在这里,我们将一同潜入深度学习的神秘世界,揭开人工智能背后的科学奥秘,探讨前沿技术,分享实用案例,以及提供实战指南,旨在帮助你从理论到实践全面掌握深度学习的魅力。
自在极意功登峰造极
这个作者很懒,什么都没留下…
展开
-
经典CNN模型(四):GoogLeNet(PyTorch详细注释版)
GoogLeNet,也被称为 Inception-v1,是由 Google 的研究人员设计的一种深度卷积神经网络(CNN),并在 2014 年的 ImageNet 大规模视觉识别挑战赛(ILSVRC 2014)中获得了第一名。GoogLeNet 的主要设计目标是在不显著增加计算成本的前提下,提高网络的深度和宽度,从而提高模型的准确率。原创 2024-07-24 11:22:27 · 574 阅读 · 0 评论 -
经典CNN模型(三):VGG(PyTorch详细注释版)
我们常用的是 D 配置,即 VGG-16,如上图,VGG-16 的 “16” 来源于网络中含有的 16 个有可学习权重的层,其中包括 13 个卷积层和 3 个全连接层。所有的卷积层都使用 3x3 大小的卷积核,所有的池化层都使用 2x2 的窗口和步幅为 2,这样可以将特征图的尺寸减半。原创 2024-07-24 11:21:28 · 675 阅读 · 0 评论 -
经典CNN模型(二):AlexNet(PyTorch详细注释版)
AlexNet 是深度学习历史上一个非常重要的里程碑,它代表了深度卷积神经网络(Convolutional Neural Network, CNN)的一次重大突破。AlexNet 由多伦多大学的Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton 设计,并在 2012 年的 ImageNet 大规模视觉识别挑战赛(ILSVRC)中赢得了冠军。这一胜利显著降低了图像分类的错误率,从而证明了深度学习在处理复杂视觉任务上的潜力。原创 2024-07-23 09:22:59 · 754 阅读 · 0 评论 -
经典CNN模型(一):LeNet(PyTorch详细注释版)
LeNet 神经网络由深度学习三巨头之一的 Yan LeCun 提出,他同时也是卷积神经网络 (CNN,Convolutional Neural Networks)之父。LeNet 主要用来进行手写字符的识别与分类,并在美国的银行中投入了使用。LeNet 的实现确立了 CNN 的结构,现在神经网络中的许多内容在 LeNet 的网络结构中都能看到,例如卷积层,Pooling 层,ReLU 层。原创 2024-07-23 09:14:18 · 944 阅读 · 0 评论 -
卷积神经网络基础2
以三层的神经网络为例,如下图:其中,第一层为输入层,包含x1和x2两个节点;中间层为隐藏层,包含σ1σ2σ3三个节点;最后一层为输出层,包含y1和y2两个节点。另外,ω111代表权重,其上标1中,1代表所在的层数;其下标11中,第一个1代表上一层的第1个节点,第二个1代表本层的第1个节点;最后,b代表偏置。具体而言,输出层y1和y2y1ω112⋅σ1x1⋅ω111x。原创 2024-06-21 17:33:56 · 875 阅读 · 0 评论 -
卷积神经网络基础1
输入图片大小 W × W卷积核(Filter)大小 F × F步长 SPadding操作的像素数 P输出尺寸W2×P−FS1(3)\text{输出尺寸} = \frac{\text{W} + 2 \times \text{P} - \text{F}}{\text{S}} + 1\tag{3}输出尺寸SW2×P−F13或输出尺寸输入尺寸2×填充−卷积核尺寸步幅1(4)原创 2024-05-29 23:09:33 · 1132 阅读 · 0 评论