ML和DL实战练习
关注
分享
扫一扫
文章平均质量分 85
使用pycharm和Anaconda运行代码，运行官网给出的数据集，从模型到训练再到测试，并给其中一些代码做出注释，模型的理论放在对应深度学习理论分栏
Studying 开龙wu
无聊摸索工作中问题，与python、深度学习、机器学习、数据分析、生成式AI、AI Agent相关的学习笔记等
展开
-
深度学习模型部署：使用Flask将图像分类（5类）模型部署在服务器上，然后在本地GUI调用。（全网模型部署项目步骤详解：从模型训练到部署再到调用）
实现提供了一个完整的端到端解决方案，从服务器端模型部署到本地GUI调用。你可以根据需要进一步自定义界面和功能。原创 2025-05-22 17:44:46 · 859 阅读 · 0 评论 -
度学习pytorch实战六：ResNet50网络图像分类篇自建花数据集图像分类（5类）超详细代码
1.数据集简介、训练集与测试集划分2.模型相关知识3.model.py——定义ResNet50网络模型4.train.py——加载数据集并训练，训练集计算损失值loss，测试集计算accuracy，保存训练好的网络参数5.predict.py——利用训练好的网络参数后，用自己找的图像进行分类测试原创 2023-06-12 20:29:04 · 17606 阅读 · 26 评论 -
深度学习pytorch实战五：基于ResNet34迁移学习的方法图像分类篇自建花数据集图像分类（5类）超详细代码
1.数据集简介2.模型相关知识3.split_data.py——训练集与测试集划分4.model.py——定义ResNet34网络模型5.train.py——加载数据集并训练，训练集计算损失值loss，测试集计算accuracy，保存训练好的网络参数6.predict.py——利用训练好的网络参数后，用自己找的图像进行分类测试原创 2023-06-12 17:20:07 · 6820 阅读 · 6 评论 -
深度学习pytorch实战四：GoogLeNet图像分类篇自建花数据集图像分类（4类）超详细代码
GoogLeNet图像分类篇自建花数据集图像分类（4类）超详细代码1.自建数据集与划分训练集与测试集2.模型相关知识3.model.py——定义GoogLeNet网络模型4.train.py——加载数据集并训练，计算损失值loss，测试集计算accuracy，保存训练好的网络参数5.predict.py——利用训练好的网络参数后，用自己找的图像进行分类测原创 2023-03-28 09:35:11 · 2904 阅读 · 7 评论 -
深度学习pytorch实战三：VGG16图像分类篇自建数据集图像分类三类
VGG16图像分类篇自建数据集图像分类三类1.自建数据集与划分训练集与测试集2.模型相关知识3.model.py——定义AlexNet网络模型4.train.py——加载数据集并训练，训练集计算损失值loss，测试集计算accuracy，保存训练好的网络参数5.predict.py——利用训练好的网络参数后，用自己找的图像进行分类测试原创 2023-03-06 22:59:51 · 6193 阅读 · 7 评论 -
深度学习pytorch实战二：AlexNet图像分类篇且官网提供花数据集分五类
AlexNet图像分类篇且官网提供花数据集分五类， 5 种类型（雏菊，蒲公英，玫瑰，向日葵，郁金香）的花，先定义AlexNet网络模型，加载数据集并训练，训练集计算损失值loss，测试集计算accuracy，保存训练好的网络参数，利用训练好的网络参数后，用自己找的图像进行分类测试原创 2022-11-08 17:02:09 · 3144 阅读 · 0 评论 -
深度学习pytorch实战一：LeNet图像分类篇且pytorch官方提供The CIFAR-10数据集分十类
深度学习pytorch实战一：LeNet图像分类篇且pytorch官方提供The CIFAR-10数据集分十类.**1.model.py——定义LeNet网络模型2.train.py——加载数据集并训练，训练集计算损失值loss，测试集计算accuracy，保存训练好的网络参数3.predict.py——利用训练好的网络参数后，用自己找的图像进行分类测试**。运行结果也有。原创 2022-10-30 19:19:43 · 1796 阅读 · 1 评论