吴恩达深度学习（笔记+作业）·第四课·第二周 深度卷积网络实例

深度解析：经典网络、ResNets与Inception：计算机视觉进阶指南
最新推荐文章于 2024-10-11 00:28:08 发布
原创 最新推荐文章于 2024-10-11 00:28:08 发布 · 368 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #神经网络

本文探讨了经典网络如LeNet-5、AlexNet和VGG，重点剖析了Residual Networks（ResNets）的残差结构，以及Inception网络的模块化设计，包括1×1卷积和自动选择特征。此外，还介绍了开源实现、迁移学习策略，以及数据增强在视觉任务中的应用。

目录

一、经典网络

二、Residual Networks（ResNets）

三、Inception

四、使用开源的实现建议以及迁移学习

五、数据增强

六、计算机视觉现状

总纲

经典的网络

  • LeNet-5
  • AlexNet
  • VGG

ResNet

Inception

一、经典网络

  

  

 

二、Residual Networks（ResNets）

 

 

  

 一般前后维度设计成相同的，如果不同的话，那就添加一个w来设置成相同的维度

 

 

三、Inception

1×1网络：压缩信道 

 

 Inception的基本思想是：该网络不需要认为决定使用哪个过滤器，或是否需要池化，而是由网络自行确定这些参数，你可以为网络添加所有可能的值，然后把这些输出都连接起来，让网络自己学习它需要什么样的参数、采用哪一个滤波器

但是代价就是计算成本

 如何计算计算量：

 

 只要合理设置颈瓶层，那么既可以缩小运算规模，也不会降低网络性能

 

 但是，Inception网络层如何做到代替人工来确定卷积层中的过滤器、确定是否需要池化层等等，这个是怎么做到的呢？？？等看论文的时候再去了解吧，网上都没有一个比较好的解释

四、使用开源的实现建议以及迁移学习

因为论文里面的参数很难调整，即使是专业的学生也是很难复制他人的成果。

但是很多人都会将自己的研究成果开源，那么找一个开源的代码来说就很不错！！！

 迁移学习

不如从别人已经训练很久的权重的参数开始训练自己的权重！进展就会相当快！

 

 

如果你的数据集很小的话：

 

 

 如果你的数据集表较大的话：

 如果你有大量的数据的话： 

 

五、数据增强

 

 

 

 

 

 

 六、计算机视觉现状

 

 

 

 

 

吴恩达深度学习笔记
reno_yuan的博客
05-07 1833
你将学习本系列课程(专业): 神经网络和深度学习 改进深度神经网络:超参数调优、正则化和优化 构建你的机器学习项目吨/德 卷积神经网络端到端 自然语言处理:建立序列模型RNN,LSTM 我的目标 理解深度学习基本原理 常用算法 流程 常用术语 不求算术推导 不求算术推导 不求算术推导 使用深度学习框架 入门介绍 例1 房价预测模型 输入映射输出 监督学习有价值的 图像卷积序列 CNN 时间序列 语言序列 RNN RNNS 深度学习神经网络 数据量和质量处于第一序列胜过算法 算法主要加速学习速率如 si
吴恩达deeplearning.ai系列课程笔记+编程作业(11)第四课 卷积神经网络-第二周 深度卷积网络：实例探究（Deep convolutional models: case studies）
肖泽的博客
03-30 1892
第四门课 卷积神经网络（Convolutional Neural Networks） 第二周 深度卷积网络：实例探究（Deep convolutional models: case studies） 文章目录第四门课 卷积神经网络（Convolutional Neural Networks）第二周 深度卷积网络：实例探究（Deep convolutional models: case studie...
吴恩达深度学习deeplearning第四课第二周课后测验及编程作业（含答案）~
03-04
吴恩达深度学习deeplearning第四课第二周课后测验及编程作业（含答案）
吴恩达深度学习第四课第二周作业
03-25
含作业文件+完整数据集+图片文件。上传的是已经做过一遍了版本，可以作为答案，如果要自己做一遍就把start code到end code之间的删掉就行了。那之间的就是作业要求写的代码
吴恩达老师的深度学习课程第4课第2周作业
01-29
至此，我在完成吴恩达老师的课程中相关代码时候就规范很多了，对大家的参考意义更大，欢迎下载。我发现网上一些代码并不是按照老师的要求写的，会用一些没提到过的更复杂的方法。我的思路倾向于跟着老师一步一步走，先别用太高级的看不懂的代码
吴恩达老师深度学习笔记第四课第二周
weixin_44168457的博客
03-20 528
深度卷积网络实例探究 2.1为什么要进行实例探究 通过研究别人神经网络的架构，是一个学习深度学习不错的方法 接下来学习的 几种典型的networks LeNet-5 AlexNet VGG ResNet残差网络 Inception 2.2经典网络 LeNet-5 介绍：针对灰度图像处理，大约有6万参数 AlexNet 介绍：AlexNet包含约6000万个参数，当用于训练图像和数据集时，Alex...
吴恩达第四课第二周编程作业
qq_41705596的博客
06-28 428
本次作业目的 Keras与残差网络的搭建 下载地址 链接：https://pan.baidu.com/s/1Gu5RYjnq4b5YSSgOAPYwTA 提取码：1hyn 代码 Keras import numpy as np from keras import layers from keras.layers import Input, Dense, Activation,...
吴恩达神经网络和深度学习笔记
01-09
这份压缩包文件“deeplearning_ai_books-master”似乎包含了吴恩达这门课程的全部笔记，覆盖了从第一门课到第五门课的内容，以及相关的论文和数据，对于深入理解神经网络和深度学习的理论与实践非常有帮助。...
吴恩达深度学习笔记：卷积神经网络（Foundations of Convolutional Neural Networks）2.9-2.10
最新发布
weixin_43597208的博客
10-11 1238
这就是卷积网络训练中的迁移学习，事实上，网上的公开数据集非常庞大，并且你下载的其他人已经训练好几周的权重，已经从数据中学习了很多了，你会发现，对于很多计算机视觉的应用，如果你下载其他人的开源的权重，并用作你问题的初始化，你会做的更好。根据经验，如果你有一个更大的标定的数据集，也许你有大量的 Tigger 和 Misty 的照片，还有两者都不是的，这种情况，你应该冻结更少的层，比如只把这些层冻结，然后训练后面的层。但是有一个规律，如果你有越来越多的数据，你需要冻结的层数越少，你能够训练的层数就越多。
吴恩达深度学习笔记：卷积神经网络（Foundations of Convolutional Neural Networks）2.3-2.4
weixin_43597208的博客
09-23 1234
它解释了其中的原因，至少可以说明，如何构建更深层次的 ResNets 网络的同时还不降低它们在训练集上的效率。[𝑙]的信息直接到达神经网络的深层，不再沿着主路径传递，这就意味着最后这个等式(𝑎[𝑙+2] = 𝑔(𝑧[𝑙+2]))去掉了，取而代之的是另一个 ReLU 非线性函数，仍然对𝑧[𝑙+2]进行 𝑔函数处理，但这次要加上𝑎[𝑙]，即：𝑎[𝑙+2] = 𝑔(𝑧[𝑙+2] + 𝑎[𝑙])，也就是加上的这个𝑎[𝑙]产生了一个残差块。
吴恩达老师深度学习第四课卷积神经网络所有作业
02-07
吴恩达老师深度学习第四课卷积神经网络所有作业包含第四课，第一周，第二周，第三周，第四周的
吴恩达深度学习deeplearning第四课第一周课后测验及编程作业（含答案）
12-26
吴恩达深度学习deeplearning第四课第一周课后测验及编程作业（含答案）
网易云课堂吴恩达深度学习第四课第一周编程作业（含答案）
11-10
网易云课堂吴恩达深度学习第四课第一周编程作业（含答案）
吴恩达 深度学习专项课程 第四课 作业
09-05
吴恩达 coursera 深度学习专项课程 第四课 卷积神经网络 全部作业答案代码、代码注释以及选择题答案，值得参考！
吴恩达 深度学习 第一课到第四课全部课后练习
01-30
吴恩达深度学习的课后练习，从第一课到第四课，截止到目前，第五课视频网易上还没有，所以第五课作业还没出。每课每周的作业都有，包含答案，第三课只有习题测试没有编程，所以不要误会资源不全，前三课的练习和第四课第一周的练习在压缩包中，第四课后三周的编程练习由于数据集太大，超出上传限制，所以给出的是一个下载链接（百度云）（搜集他人的资源）。非常好的学习资源，虽然资源分有点多，但是这是全部四课的练习，性价比还是很高的。
吴恩达深度学习第四课第二周（1）
weixin_37633763的博客
06-05 640
代码中许多地方加了注释，希望便于大家学习。完整代码以及数据上传至github:https://github.com/CrazyKKK/course4_week2-1#-*- coding:utf-8 -*- import numpy as np from keras import layers from keras.layers import Input, Dense, Activation, Z...
吴恩达深度学习第四课第一种课后编程作业_学习干货 | 入门级AI学习资料推荐...
weixin_39750195的博客
12-04 490
机器学习、深度学习、人工智能已经在各个领域大放光彩，也有越来越多的小伙伴们开始学习深度学习，但是如何入门开始呢？这是个世纪性的难题。别担心，这里小编为大家整理了一份学习清淡哦，要是能够认真学完，一定是一位高手啦。快来一起看看吧。基础知识1数学机器学习是集合了统计学、概率论、计算机科学、数学算法多等方面交叉研究，即便你对机器学习的应用炉火纯青，但对这些技术没有一个全面的数学理解，极有可能出...
吴恩达深度学习第四课——卷积神经网络（第二周）
weixin_44204324的博客
08-04 799
2.1经典神经网络 1、LeNet-5 首先看看LeNet-5的网络结构，假设你有一张32×32×1的图片，LeNet-5可以识别图中的手写数字，比如像这样手写数字7。LeNet-5是针对灰度图片训练的，所以图片的大小只有32×32×1。 如果我们从左往右看，随着网络越来越深，图像的高度和宽度在缩小，当时人们并不使用padding，或者总是使用valid卷积，这就是为什么每进行一次卷积，图像的高度和宽度都会缩小，它从最初的32×32缩小到28×28，再到14×14、10×10，最后只有5×5。与此同时，随
吴恩达深度学习——第四课第二周《深度卷积网络：case study》
hello world
06-05 543
2.10数据增强 更多的数据或充足的数据对于计算机视觉任务是有帮助的。但当前CV的主要问题是无法得到充足的数据，或者说对于CV任务而言数据远远不够。数据增强是重要的帮助手段，常用的数据增强方法如下： 垂直镜像：左右翻转 随机裁剪：随机裁剪构成了很大一部分真实的图像，但也有可能随机裁剪的部分不含有目标，需要自行剔除。 旋转、剪切等扭曲变形和局部弯曲。实际中这种技巧较复杂，使用较少 颜色转换：给RGB三个通道加入不同的失真值 色调变化，可以产生不同的样本。 实践中，对RGB的变化是基于某些概率.
吴恩达深度学习课程编程实践：第一课第二周作业解析
通过以上信息，我们可以知道，这份作业是针对吴恩达深度学习课程第一课第二周的内容，包含有编程实践部分，学生通过使用Spyder开发环境并以段落式的编程方法来完成学习任务。在完成作业的过程中，学生不仅加深了对...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值