![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
365天深度学习
文章平均质量分 78
WTIAW.TIAW
这个作者很懒,什么都没留下…
展开
-
365天深度学习训练营-第P4周:猴痘病识别
【代码】365天深度学习训练营-第P4周:猴痘病识别。原创 2023-06-02 21:14:15 · 120 阅读 · 0 评论 -
365天深度学习打卡 第P9周:YOLOv5的backbone实现
1.2 C3模块Bottleneck模块SPPF模块二、数据集和相关参数设置2.1 数据集操作2.2 相关参数设置2.3 定义Backbone网络三、训练及结果可视化3.1 训练及测试代码3.2 训练循环代码3.3 训练结果可视化原创 2023-05-26 13:23:08 · 681 阅读 · 0 评论 -
365天深度学习打卡 第N2周:中文文本分类-Pytorch实现
这里写自定义目录标题目标Before do anything :¶mount google drive by press mount button since my account has advanced protection¶导入数据构造数据集迭代器¶数据预处理¶生成数据批次和迭代器¶定义模型¶定义实例定义训练函数与评估函数¶拆分数据集并运行模型¶使用测试数据集评估模型¶ 🍨 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 目标中文文本的处理Befor原创 2023-05-19 15:12:49 · 459 阅读 · 0 评论 -
365天深度学习打卡 第N3周:调用Gensim库训练Word2Vec模型
自然语言处理,简称 NLP,是人工智能的一个分支,它允许机器理解、处理和操纵人类语言。Gensim是在做自然语言处理时较为经常用到的一个工具库,主要用来以无监督的方式从原始的非结构化文本当中来学习到文本隐藏层的主题向量表达。拿到了分词后的文件,在一般的NLP处理中,会需要去停用词。因此对于word2vec,我们可以不用去停词,仅仅去掉一些标点符号,做一个简单的数据清洗。在实际应用中,可以调参提高词的embedding的效果。库,用于从原始的非结构化的文本中,无监督地学习到文本隐层的主题向量表达。原创 2023-05-05 13:31:15 · 387 阅读 · 0 评论 -
365天深度学习打卡第N1周:Pytorch文本分类入门
本节是一个使用PyTorch实现的简单文本分类实战案例。在这个例子中,我们将使用AG News数据集进行文本分类。Dataset)是一个广泛用于文本分类任务的数据集,尤其是在新闻领域。该数据集是由AG’s Corpus of NewsArticles收集整理而来,包含了四个主要的类别:世界、体育、商业和科技为了完成本节内容,需要安装好torchtext与portalocker库定义TextClassificationModel模型,首先对文本进行嵌入,然后对句子嵌入之后的结果进行均值聚合。原创 2023-04-28 03:08:58 · 1467 阅读 · 0 评论 -
365天深度学习打卡 YOLOv5白皮书-第Y4周:common.py文件解读
输入的卷积特征图的大小为(w,h),第一层空间金字塔采用4x4的刻度对特征图进行划分,其将输入的特征图分成了16个块,每块的大小为(w/4, h/4);YOLOV5中使用NMS算法用来移除一些网络模型预测时生成的多余检测框,该算法的核心 思想是指搜索局部得分最大值预测并移除与局部最大值预测框重叠度超过一定阈值的检测 框,需要注意的是,NMS算法对所有待检测目标类别分别执行。Focus模块是作者自己设计出来,为了减少浮点数和提高速度,本质是将图像进行切片,将原图像的宽高信息切分,聚合到channel通道中。原创 2023-04-20 00:56:24 · 503 阅读 · 0 评论