- 博客(9)
- 收藏
- 关注
RSS订阅原创 使用cd命令切换到不同的磁盘分区
是不够的，因为这只会改变D盘的当前工作目录，但不会实际将命令提示符切换到D盘。为了切换到D盘，你需要在。在Windows的命令行环境中（包括Anaconda Prompt），当你使用。命令切换到不同的磁盘分区（比如从C盘切换到D盘）时，你需要额外执行一个步骤。命令只更改当前磁盘分区的工作目录，所以需要先切换到目标分区，然后再更改目录。在Windows中，每个磁盘分区都维护着自己的当前工作目录，而。这样，你的命令提示符应该会改变，显示你当前在D盘的。或者，你可以直接使用。切换到D盘，然后使用。
2024-03-26 17:00:41
636
原创 使用PyTorch实现模型如何处理数据集
在使用PyTorch实现的模型，处理数据集是一个重要的步骤。通常，这涉及到以下几个方面：加载数据集、预处理数据集、以及将数据集分成用于训练和验证的批次。
2024-01-17 20:28:12
420
原创 适合遥感图像匹配的深度学习模型（二）ResNet（残差网络）
ResNet（残差网络）由于其深度和有效的特征提取能力，确实可以适用于遥感图像匹配任务。
2023-12-30 19:18:29
557
1
原创 适合遥感图像匹配的深度学习模型（一）
选择或设计适合遥感图像匹配的深度学习模型时，需要考虑遥感数据的特点，如高分辨率、多光谱特性，以及可能的大尺度地理变化。
2023-12-30 19:17:41
532
1
原创 CNN卷积神经网络模型库之ResNet介绍
ResNet的主要创新是引入了残差块（Residual Blocks），这些块包含了跨层的"跳跃连接"（skip connections），允许信息在网络中更轻松地传播。因此，ResNet成为了深度学习中非常重要和成功的架构之一，特别是在图像分类、目标检测和语义分割等任务中取得了显著的性能提升。总之，ResNet通过引入残差块和跳跃连接的概念，解决了深度神经网络中的梯度消失问题，使得可以训练非常深的神经网络。在图像分类竞赛中，ResNet的深层架构取得了显著的性能提升，因此成为了图像分类领域的重要技术。
2023-12-30 19:15:39
1024
1
原创 PyTorch实现的卷积神经网络模型库以及相应的作用（下）
1. 经典网络适用于: 这些网络通常用于图像分类任务。 例子: AlexNet: 适用于基础的图像分类问题。 VGG: 简单但深的网络，适用于具有大量训练数据的任务。 ResNet: 解决了更深网络的梯度消失问题，适用于需要深层次特征提取的任务。 Inception系列: 适用于需要捕获图像多尺度信息的复杂任务。 2. 轻量级网络适用于: 对计算资源有限制的情况，如移动设备或实时应用。 例子: MobileNets系列: 高效的模型，适用于移动和嵌入式设备。 Shuf
2023-12-28 16:14:14
401
1
原创 PyTorch实现的卷积神经网络模型库以及相应的作用（上）
关于PyTorch实现的卷积神经网络模型库，包含了多种经典和轻量级网络以及物体检测、语义分割、实例分割、人脸检测和识别、人体姿态估计等不同任务的网络模型。FisheyeMODNet语义分割网络模型。RetinaNet物体检测网络模型。CenterNet物体检测网络模型。FoveaBox物体检测网络模型。InceptionV1网络模型。MobileNetV2网络模型。MobileNetV3网络模型。MobileNets网络模型。ShuffleNet网络模型。SqueezeNet网络模型。
2023-12-28 16:12:18
451
1
原创 如何找到一个适合自己的CNN架构
1. 学术文献和研究论文阅读最新的研究论文：学术期刊和会议（如CVPR, NeurIPS, ICCV, JMLR等）经常发表有关最新CNN架构的研究。Google Scholar是一个很好的搜索工具。 关注标准数据集的基准测试：查看在标准数据集（如ImageNet, CIFAR-10等）上表现最好的模型。2. 在线资源和社区GitHub和其他代码共享平台：搜索相关的开源项目和代码库，这些通常包括最新的CNN架构和实现。 机器学习和深度学习社区：例如Reddit的Machine Learni
2023-12-28 14:44:18
396
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