- 博客(8)
- 收藏
- 关注
RSS订阅原创 深度学习第P7周VVG-16实现咖啡豆识别
● 3个全连接层（Fully connected Layer），分别用fcX与predictions表示。● 13个卷积层（Convolutional Layer），分别用blockX_convX表示。VGG-16包含了16个隐藏层（13个卷积层和3个全连接层），故称为VGG-16。● 5个池化层（Pool layer），分别用blockX_pool表示。● 编译器：jupyter notebook。● 语言环境：Python3.8。● 深度学习环境：Pytorch。
2024-05-10 21:43:38
238
原创 深度学习第p6周：VGG-16算法-Pytorch实现人脸识别
将优化器从SGD调整为Adam，准确率获得了显著增长，将学习率调成1e-3后准确率进一步提高，但是始终达不到百分之60。
2024-04-25 21:08:58
960
1
原创 新手小白深度学习第P5周—运动鞋识别
1.Adam优化器不一定总比SGD优化器好，在此模型中，使用Adam准确率反而不佳。2.学习率衰减因子，和学习率衰减周期对模型的影响极大。3.对设置动态学习率的手动和官方方法熟练了解与掌握。
2024-04-10 18:07:38
690
1
原创 新手小白深度学习第P4周猴逗病毒识别
1.提升模型深度，增加卷积层数量或者池化层数量未必能提升训练集与测试集的准确率，反而会适得其反。（测试集准确率都不到80%了）2.增加epoch次数可以提升准确率。3.调整优化器可以提升准确率。将SGD调整为Adam准确率明显提升，测试集准确率可以接近90%。4。调整学习率也可以增加准确率，但是学习率过大过小都会出现问题，过大可能不收敛，过小训练时间会过长，也可能陷入局部最优。
2024-04-04 23:06:52
1005
1
原创 新手小白深度学习第P3周：天气识别
更具体地说，损失函数loss是由模型的所有权重w经过一系列运算得到的，若某个w的requires_grads为True，则w的所有上层参数（后面层的权重w）的.grad_fn属性中就保存了对应的运算，然后在使用loss.backward()后，会一层层的反向传播计算每个w的梯度值，并保存到该w的.grad属性中。X 表示输入数据的张量，y 表示对应的标签张量。最后，使用plt.tight_layout()函数来自动调整子图的布局，使其更好地适应图像的大小，并使用plt.show()函数来显示图像。
2024-03-19 22:13:27
794
原创 新手小白深度学习第P1周：实现mnist手写数字识别
MNIST手写数字数据集来源于是美国国家标准与技术研究所，是著名的公开数据集之一。（下载后需解压）。我们一般会采用(train_images, train_labels), (test_images, test_labels) = datasets.mnist.load_data()这行代码直接调用，这样就比较简单。
2024-03-05 15:05:25
781
1
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