自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(7)
  • 收藏
  • 关注

原创 深度学习第五周

因为学习的时间有限,每周的时间不是很多,简单总结一下学习心得。想要练习的话可以在kaggle网站上下载一些数据集来练习。这一周在慕课网上把Cifar10图像分类给看完了,感觉对分类任务处理掌握的还不够好,所以后面的目标检测没有看太多,想着先把东西消化消化。自己也写了一个项目,关于数据集的分类,其大概的思路与处理cifar10数据集差不多。刚开始用的resnet网络,想着由于电脑跑的有些慢,想着就epoch 1次,但是就epoch 1次的话,正确率太低了,达不到所想要的,可见在训练的过程中,训练的次数

2022-05-08 17:29:24 327

原创 基于Pytorch的cifar-10图像分类问题代码实现

之前在学习深度学习图片分类任务的时候,跟着老师的讲解实现了一个Cifair-10的图像分类任务。数据集地址:网盘链接需要解码。数据有50000张训练图片和10000张测试图片。下载好数据后,在文件夹下新建两个文件夹一个为Train,一个为Test,用来保存解码后的图片。如图:解码后的训练集:文件的解码方式官方已经给出:```pythondef unpickle(file): with open(file, 'rb') as fo: dict = pickle.l

2022-04-30 20:55:03 3840 4

原创 深度学习第四周

在这段时间的学习中,对卷积网络有了更深入的了解。刚开始,在卷积层的输入和输出很是不理解,最后是怎么得到输出数据的大小尺寸的。然后去博客看了一些博主对卷积神经网络结构的介绍,了解到在计算网络层输出的时候有一个公式为:N=(W-F+2P)/S +1。其中N为输出大小,W为输入的大小,F为卷积核(滤波器)的大小,P为填充值的大小,S为步长。然而在实际上输入图片通常有多个通道,比如彩色图片就有RGB三个通道,所以输入的图片形状一般为C*H*W,C指的是通道数。同时在卷积操作中的输出特征图也会有多个输出通道,这是就应

2022-04-30 19:41:00 131

原创 深度学习第三周

本周跟着上周的进度进行学习,在慕课网上继续跟着老师的网课学习。从torch.nn库开始,了解到nn库是专门用来为神经网络设计的模块化接口,构建于Autograd之上,可以用来定义和运行神经网络。在nn库中有Parameter,Linear、functional、Module等比较常用的函数。也了解到这几种函数的使用。其中nn与nn.functional的区别在于nn.functional是函数接口而nn是nn.functional的类封装。并且都继承与祖先nn.Module。后面了解到nn.Module是一

2022-04-21 21:22:26 1390

原创 城市交通导航最短路径查询

导航最短路径查询系统上学期期末老师让写一个课程设计,给了很多课题,选了导航最短路径查询系统,题目如下:1 项目简介设计一个交通咨询系统,能让旅客咨询从任一个城市顶点到另一个城市顶点之间的最短路径问题。设计分三个部分,一是建立交通网络图的存储结构;二是解决单源最短路径问题;最后再实现两个城市顶点之间的最短路径问题。最短路径问题的提出随着计算机的普及以及地理信息科学的发展,GIS因其强大的功能得到日益广泛和深入的应用。网络分析作为GIS最主要的功能之一,在电子导航、交通旅游、城市规划以及电力、通讯等各种

2022-04-12 22:05:27 4831 8

原创 深度学习第二周学习

本周主先是对上周学习的内容简单的复习了一遍增加印象。上周看李牧老师的可对环境搭建没有看明白。这周在慕课网上看网课,但是发现老师也只是简单的提一下。然后自己在网上找的资源在机房电脑安装了cuda、anaconda、pytorch等花费了不少时间。然后从第三章开始看,老师讲的很多是一些tensor的操作,以及代码的实践,电脑环境搭建完后自己也用PyCharm跟着敲了一边加深自己的印象。主要学习了tensor中的运算,矩阵分解以及PCA和特征值。在老师讲的矩阵分解我没太明白。矩阵分解包含了LU分解、QR分

2022-04-12 21:34:07 548

原创 深度学习第一周学习

本周先是看了几集吴恩达机器学习的课程,了解了机器学习的基本概念。机器学习中分为三个大块:监督学习、无监督学习和强化学习。而监督学习又分为回归算法和分类算法。通过课程也大致了解回归算法与分类算法的区别。本周也看了李牧老师的课程,学习了第一节数据的操作。我首先了解到的是N维数组样例,N维数组是机器学习和神经网络的主要数据结构。0维的数组可以称为标量,一位数组称为向量,二维数组称为矩阵。张量表示一个数值组成的数组,这个数组可能有多个维度。我不知道我是否可以这样认为二维数组以上的矩阵可以称为张量。创建数组需

2022-04-07 20:37:37 1023

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

提示
确定要删除当前文章?
取消 删除