- 博客(37)
- 收藏
- 关注
原创 YOLOv5-Y5周:yolo.py文件解读
本文为🔗中的学习记录博客我的环境:1.语言:python3.72.编译器:pycharm3.深度学习框架Tensorflow/Pytorch 1.8.0+cu111。
2024-03-22 17:10:52 2139
原创 J1周-ResNet-50算法
为了解决退化问题,何恺明提出了深度残差网络(ResNet)。如果深层网络的后面那些层是恒等映射,那么模型就退化为一个浅层网络。那现在要解决的就是学习恒等映射函数了。但是直接让一些层去拟合一个潜在的恒等映射函数比较困难,如果我们把网络设计为,我们可以转换为学习一个残差函数,只要就构成了一个恒等映射。
2024-03-08 17:42:15 910
原创 G8-ACGAN理论
本文为🔗中的学习记录博客我的环境:1.语言:python3.72.编译器:pycharm3.深度学习框架Pytorch 1.8.0+cu111。
2024-03-01 22:07:51 919
原创 G7-Semi-Supervised GAN解读
本文为🔗中的学习记录博客我的环境:1.语言:python3.72.编译器:pycharm3.深度学习框架Pytorch 1.8.0+cu111。
2024-02-02 22:32:03 941 2
原创 G6-CycleGAN
由于GPU内存不够,我删减了一些原代码网络结构中的残差块。学会利用GAN网络实现图像风格转换的任务。在项目实现的过程中,我们对网络结构进行了多次优化,绘制出不用网络结构下的损失函数曲线图,找到最优的网络结构用于实现任务。
2024-01-26 15:43:54 1586
原创 Pix2Pix理论与实战
作者在论文中也承认,使用这样的结构其实学到的是到的一对一映射。也就说,pix2pix就是对ground truth的重建:输入轮廓图→经过Unet编码解码成对应的向量→解码成真实图。这种一对一映射的应用范围十分有限,当我们输入的数据与训练集中的数据差距较大时,生成的结果很可能就没有意义,这就要求我们的数据集中要尽量涵盖各种类型。Pix2Pix通过生成对抗网络(GAN)进行图像到图像的转换。它通过对抗训练,结合条件生成,以学习输入图像和目标输出图像之间的映射关系。
2024-01-19 19:18:53 1503
原创 G4周:CGAN,手势生成
条件生成对抗网络(Conditional Generative Adversarial Network,简称cGAN)是一种深度学习模型,属于生成对抗网络(GAN)的一种变体。它的基本思想是通过训练生成器和判别器两个网络,使生成器能够生成与给定条件相匹配的合成数据,而判别器则负责区分真实数据和生成数据。cGAN在生成器和判别器的结构上引入了条件信息,使得生成过程可以受到外部条件的控制。生成器负责从随机噪声和条件信息中生成合成数据。
2024-01-05 19:15:41 845
原创 G3:CGAN入门
条件生成对抗网络(Conditional Generative Adversarial Network,简称cGAN)是一种深度学习模型,属于生成对抗网络(GAN)的一种变体。它的基本思想是通过训练生成器和判别器两个网络,使生成器能够生成与给定条件相匹配的合成数据,而判别器则负责区分真实数据和生成数据。cGAN在生成器和判别器的结构上引入了条件信息,使得生成过程可以受到外部条件的控制。生成器负责从随机噪声和条件信息中生成合成数据。
2023-12-29 19:22:51 964
原创 G2周-人脸图像生成(DCGAN)
本文为🔗365天深度学习训练营 中的学习记录博客 原作者:K同学啊|接辅导、项目定制我的环境:1.语言:python3.72.编译器:pycharm3.深度学习框架Pytorch 1.8.0+cu111深度卷积对抗网络(Deep Convolutional Generative Adversarial Network,DCGAN)是一种生成对抗网络(GAN)的变体,专门设计用于生成图像。DCGAN结合了卷积神经网络(CNN)的思想,使其能够更有效地学习图像的特征和纹理,从而生成更逼真的图像。以下是深度卷
2023-12-22 23:02:34 937
原创 G1周-生成对抗网络入门
鉴别器判别器是一个神经网络模型,它接受一个图像作为输入并输出一个标量值,表示输入图像是真实图像的概率。通过使用定义了一个包含线性层、LeakyReLU激活函数和Sigmoid激活函数的模型。输入图像经过一系列线性变换和非线性激活,最终通过 Sigmoid 激活函数输出一个范围在 [0, 1] 内的值,表示输入图像是真实图像的概率。
2023-12-08 22:08:13 843
原创 YOLOv5-Y4周:common.py文件解读
本文为🔗中的学习记录博客我的环境:1.语言:python3.72.编译器:pycharmcommon.py存放了YOLO算法的各个模块,接下来我们将了解每个模块的定义。
2023-12-01 19:37:42 899
原创 R1周:RNN-心脏病预测
X_train = X_train.reshape(X_train.shape[0], X_train.shape[1], 1):对训练集的输入特征 X_train 进行形状重塑。X_train = sc.fit_transform(X_train):将训练集的输入特征 X_train 进行标准化处理。RNN的基本单元是循环单元(recurrent unit),它可以看作是一个带有权重的函数,接受当前时间步的输入和上一时间步的隐藏状态,并输出当前时间步的隐藏状态。thal: 13)0= 正常;
2023-11-29 09:03:10 949
原创 YOLOv5白皮书-Y3周
本文为🔗中的学习记录博客我的环境:1.语言:python3.72.编译器:pycharm本周的任务主要是解读yolov5-master/models/yolov5s.yaml文件,在理解的前提下尝试修改该文件的相关参数,然后再修改common.py 与 yolo.py文件来改进网络的结构。
2023-11-24 18:07:49 799
原创 YOLOv5白皮书-Y1周
本文为🔗中的学习记录博客我的环境:1.语言:python3.72.编译器:pycharmYOLOv5是一种基于深度学习的目标检测算法,用于实时物体检测和识别。在速度和准确性方面都有所提升。YOLOv5又分为YOLOv5s、YOLOv5l、YOLOv5m、YOLOv5x,这里我们以YOLOv5s为例。
2023-11-09 19:35:15 130
原创 R2-LSTM-火灾温度预测
LSTM(Long Short-Term Memory)是一种循环神经网络(RNN)的变种,专门用于解决长期依赖问题。它在处理序列数据时具有优异的性能。LSTM通过引入门控机制来控制信息的流动,从而有效地捕捉和处理长期依赖关系。它包含了一个称为“cell”的状态单元,以及三个门控单元:输入门、遗忘门和输出门。在每个时间步骤中,LSTM接收一个输入和前一个时间步骤的隐藏状态,并计算新的隐藏状态和输出。
2023-10-24 14:30:00 101
原创 深度学习P9-YOLOv5-Backbone模块实现
本文为🔗365天深度学习训练营 中的学习记录博客 原作者:K同学啊|接辅导、项目定制我的环境:1.语言:python3.72.编译器:pycharm3.深度学习环境:torch 1.8.0 + cu111torchvision 0.9.0 + cu1112、导入数据 使用函数将字符串类型的文件夹路径转换为对象。接下来,使用glob方法获取data_dir路径下的所有文件路径,并将它们以列表形式存储在data_paths中。 通过对data_paths中每个文件路径执行split("
2023-09-06 18:54:44 95 1
原创 深度学习P8-YOLOv5-C3模块识别
本文为🔗365天深度学习训练营 中的学习记录博客 原作者:K同学啊|接辅导、项目定制我的环境:1.语言:python3.72.编译器:pycharm3.深度学习环境:torch 1.8.0 + cu111torchvision 0.9.0 + cu1112、导入数据 使用函数将字符串类型的文件夹路径转换为对象。接下来,使用glob方法获取data_dir路径下的所有文件路径,并将它们以列表形式存储在data_paths中。 通过对data_paths中每个文件路径执行split("
2023-09-01 09:38:28 162 1
原创 深度学习:;利用CNN进行天气识别
本文为🔗中的学习记录博客我的环境:1.语言:python3.72.编译器:pycharm3.我是跟着CSDN上的学习的有关深度学习方面的知识,他也是本次活动的带头人,我们一起跟着他好好学习关于深度学习方面的知识。
2023-04-07 19:41:35 468 1
转载 深度学习:实现mnist手写数字识别
本文为🔗中的学习记录博客我的环境:1.语言环境:Python 3.72.编译器:Pycharm3.深度学习环境:TensorFlow2.5。
2023-03-20 12:00:00 712
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人