- 博客(26)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 论文模型复现
在目标检测中，DenseNet表现良好，通过聚合不同感受野特征层的方式，保留了中间特征层的信息。它通过feature reuse 使得模型的大小和flops大大降低，但是，实验证明，DenseNet backbone更加耗时也增加了能耗：dense connection架构使得输入channel线性递增，导致了更多的内存访问消耗，进而导致更多的计算消耗和能耗。因此文章介绍了一种由OSA（one-shot-aggregation）模块组成的叫做VoVNet的高效体系结构...
2022-06-04 12:42:42
682
原创 注意力机制与V_net神经网络的介绍与实现
注：下有视频讲解，可供参考什么是注意力机制注意力机制是深度学习常用的一个小技巧，它有多种多样的实现形式，尽管实现方式多样，但是每一种注意力机制的实现的核心都是类似的，就是注意力。注意力机制的核心重点就是让网络关注到它更需要关注的地方。当我们使用卷积神经网络去处理图片的时候，我们会更希望卷积神经网络去注意应该注意的地方，而不是什么都关注，我们不可能手动去调节需要注意的地方，这个时候，如何让卷积神经网络去自适应的注意重要的物体变得极为重要。注意力机制就是实现网络自适应注意的一个方式。一般...
2022-05-19 17:07:58
2441
1
原创 深度学习软件安装及环境配置
注：下有视频讲解，可供参考目录第一步：下载安装包第二步：配置环境第三步：安装PyCharm第四步：改一下pip第五步：新建虚拟环境分享视频深度学习软件安装及环境配置分享人：杜佳举分享时间：2022/5/17分享平台：腾讯会议...
2022-05-19 17:07:40
357
原创 神经网络预测：股票预测
注：下有视频讲解，可供参考数据集资源data0.csv代码1、引入包import numpy as npimport pandas as pdimport matplotlib.pyplot as plt2、命名并画图data=pd.read_csv("data0.CSV",names=['Date', 'Value'])df=pd.DataFrame(data,columns=['Date','Value']) #只取日期和股票价格df.head() # 显示前5行
2022-05-19 16:36:02
324
原创 Transformer
注：下有视频讲解，可供参考Transformer介绍代码段：1、编码层class EncoderLayer(nn.Module): def __init__( self, e_dim, h_dim, n_heads, drop_rate = 0.1 ): ''' :param e_dim: 输入向量的维度 :param h_dim: 注意力层中间隐含层的维度...
2022-04-29 15:48:21
393
原创 framework
注：下有视频讲解，可供参考如何设计一个目标检测框架大体结构BackboneNeckHeadEnhanceBBox AssignerLossBBox Sample在数据极度不平衡情况下进行分类会出现预测倾向于样本多的类别，出现过拟合，为了克服该问题，适当的正负样本采样策略是非常必要的one-stage:focal losstwo-stage:随机平衡，基于iou平衡等Encoder-D...
2022-04-27 15:39:04
342
原创 XGBoost Algorithm
演变过程1. CART2. 集成学习 3. 提升树4. GBDTGBDT优缺点5. XGBoostXGBboost优缺点XGBoost VS GBDT分享视频：分享人：丁海萌分享时间：2022/4/26分享平台：腾讯会议
2022-04-27 15:38:45
913
原创 XGBoost
注：下有视频讲解，可供参考XGBoost是一种经典的集成式提升算法框架，具有训练效率高、预测效果好、可控参数多、使用方便等特性，是大数据分析领域的一柄利器。在实际业务中，XGBoost经常被运用于用户行为预判、用户标签预测、用户信用评分等项目中。XGBoost 是对梯度提升算法的改进，求解损失函数极值时使用了牛顿法，将损失函数泰勒展开到二阶，另外损失函数中加入了正则化项。1.集成学习集成学习(ensemble learning)可以说是现在非常火爆的机器学习方法了。它本身不是一个单.
2022-04-22 17:06:31
1379
原创 Conformer
注：下有视频讲解，可供参考论文题目Conformer: Local Features Coupling Global Representations for Visual Recognition摘要在卷积网络中，卷积操作非常擅长捕捉局部特征信息，但是对于捕捉图像中的全局特征信息就非常困难；对于Transformer，级联的self-attention机制可以捕捉到长距离的特征信息，但是又会弱化掉局部特征信息。其实这也是卷积和Transformer机制各自的优缺点，如何解决...
2022-04-20 10:26:15
1042
1
原创 极限学习机
注：下有视频讲解，可供参考单层前馈神经网络（SLFN）以其良好的学习能力在许多领域得到了广泛的应用，然而传统的学习算法，如BP等固有的一些缺点，成为制约其发展的主要瓶颈，前馈神经网络大多采用梯度下降法，该方法存在以下几个方面的缺点和不足：1、训练速度慢。由于梯度下降法需要多次迭代，从而达到修正权值和阈值的目的，因此训练过程耗时较长；2、容易陷入局部极小值，无法到达全局最小；3、学习率的选择敏感，学习率对神经网络的性能影响较大，必须选择合适的才能达到较为理想的效果，太小则算法的收敛速度很慢，.
2022-04-20 10:04:35
5322
2
原创 VGG模型
代码实现：import torch.nn as nnfrom torchsummary import summaryimport torchclass VGG16(nn.Module): def __init__(self): super(VGG16, self).__init__() self.maxpool1 = nn.Sequential( nn.Conv2d(3, 64, kerne...
2022-01-16 20:46:48
120
原创 CＮＮ模型
卷积原理２Ｄ卷积多通道卷积深度可分离卷积在讲深度可分离卷积原理之前，我们先学习一下1x1卷积1x1卷积原理深度可分离卷积深度可分离卷积与普通卷积计算量对比 ：如果仅仅是提取一个属性，深度可分离卷积的方法，不如正常卷积。随着要提取的属性越来越多，深度可分离卷积就能够节省更多的参数。分组卷积原理空洞卷积（扩张卷积）分享人：于帅卿分享时间：2021/1２/１分享平台：腾讯会议...
2021-12-05 20:09:37
2392
原创 GAN模型----生成对抗
（注：该博客接上次发布内容，链接如下：自编码器AutoEncoder_GSAU-深蓝工作室的博客-CSDN博客）什么是GAN？ GAN启发自博弈论中的二人零和博弈（two-player game）,GAN 模型中的两位博弈方分别由生成式模型（generative model）和判别式模型（discriminative model）充当。生成模型 G 捕捉样本数据的分布，用服从某一分布（均匀分布，高斯分布等）的噪声 z 生成一个类似真实训练数据的样本，追求效果是越像真实样本越好；判别模型 D 是一.
2021-11-26 17:21:21
1957
原创 unet模型及代码解析
什么是unet一个U型网络结构，2015年在图像分割领域大放异彩，unet被大量应用在分割领域。它是在FCN的基础上构建，它的U型结构解决了FCN无法上下文的信息和位置信息的弊端。Unet网络结构主干结构解析左边为特征提取网络（编码器），右边为特征融合网络（解码器）高分辨率—编码—低分辨率—解码—高分辨率特征提取网络高分辨率—编码—低分辨率前半部分是编码, 它的作用是特征提取(获取局部特征,并做图片级分类)，得到抽象语义特征由两个3x3的卷积层（RELU）再加..
2021-11-26 16:47:41
28822
1
原创 _向量化_
import numpy as npimport timew=np.random.rand(1000000)x=np.random.rand(1000000)b=1time_begin=time.time()z=0for i in range(1000000): z+=w[i]*x[i]z+=btime_end=time.time()print(z)print("非向量化："+str(1000*(time_end-time_begin))+"ms")t...
2021-11-14 21:14:19
683
原创 神经网络反向回传
传播过程图：计算过程：线性分类：得分函数：损失函数：Softmax分类器：Sigmoid函数： 分享人：于帅卿分享时间：2021/11/10分享平台：腾讯会议
2021-11-14 17:40:07
1070
原创 自编码器AutoEncoder
代码实现部分：autoencoder.pyimport osimport tensorflow as tfimport numpy as npfrom tensorflow import kerasfrom tensorflow.keras import Sequential, layersfrom PIL import Imagefrom matplotlib import pyplot as pltt...
2021-11-06 16:48:39
364
原创 RNN神经网络
# 导入若干工具包import torchimport torch.nn as nn# 实例化RNN对象# 第一个参数：input_size(输入张量x的维度)# 第二个参数: hidden_size(隐藏层的维度，隐藏层神经元数量)# 第三个参数: num_layers(隐藏层的层数)rnn = nn.RNN(5, 5, 1)# 设定输入的张量x# 第一个参数: sequence_leng...
2021-11-05 21:52:39
791
原创 经典CNN
CNN最早期的几个经典网络卷积的计算方法池化层主要是为了减少计算量，降低维度80年代提出，只有5层，2个卷积层，2个全连接层2012年提出的网络，总共八层，五层网路，三层池化2014年提出，一共16层，13个卷积层，3个池化层分享人：官仓分享时间：2021/10/27分享方式：线上分享平台：钉钉...
2021-10-29 17:07:19
232
1
原创 具有神经网络思维的logistic回归
二分类识别猫的简单神经网络代码如下：如果没有以下库，请自行安装。import numpy as npimport matplotlib.pyplot as pltimport h5pyfrom lr_utils import load_dataset下载数据集：import numpy as npimport h5py def load_dataset(): train_dataset = h5p...
2021-10-29 16:34:06
283
原创 实战----Mnist手写数字识别
程序流程分析图：传播过程：odel.eval()代码展示：创建环境使用<pip install+包名>来下载torch，torchvision包准备数据集设置一次训练所选取的样本数Batch_Sized的值为512，训练此时Epochs的值为8BATCH_SIZE = 512EPOCHS = 8device = torch.device("cuda" if torch.cuda.is_available() else "cpu")下载数...
2021-10-19 17:30:20
561
原创 NLP——让机器听懂人话
什么是自然语言处理： 在计算机领域， NLP（Natural Language Processing），也就是人们常说的「自然语言处理」，就是研究如何让计算机读懂人类语言。 这包括，既要能让计算机理解自然语言文本的意义，也能以自然语言文本来表达给定的深层的意图、思想等。自然语言处理的难点：1.语言是没有规律的，或者说规律是错综复杂的。2.语言是可以自由组合的，可以组合复杂的语言表达。3.语言是一个开放集合，可以发明创造新的表达方式(网络热词)。4.语言需要联系到实践知识...
2021-10-16 20:41:37
644
2
原创 语义分割简介及息肉分割实例展示
语义分割介绍模型任务将图片中的事物按照人的理解进行区域性分割[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-5a5zRqpR-1634370738864)(img/语义分割检测.png)]模型简介整体构架[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-P9da4vtH-1634370738867)(img/FCN结构示意图.jpg)]在上图这个特定的FCN中，一个问题是通过几个交替的卷积层和池层传播，输出特征映射的分辨率被降采样，会损
2021-10-16 15:53:35
657
2
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人