我也不太懂-CSDN博客

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

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-Y2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。

2023-11-17 20:55:23 48

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 R3-天气预测

我的环境：1.语言：python3.72.编译器：pycharm3.

2023-11-04 20:57:53 45

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