深度学习
文章平均质量分 61
!!!
AI AX AT
这个作者很懒,什么都没留下…
展开
-
图像识别(pytorch实战)
目录1. 数据2. 代码讲解2.1 导库2.2 标准化、transform、设置GPU2.3 预处理数据2.3 建立模型2.4 训练模型2.5 测试模型2.6 结果此文只是提供一个过程,不必计较结果。1. 数据kaggle:请点击我CSDN:请点击我2. 代码讲解2.1 导库import os.pathfrom os import listdirimport numpy as npimport pandas as pdfrom PIL import Imageimport torch原创 2021-08-17 20:28:16 · 1357 阅读 · 0 评论 -
pytorch预训练模型加载与使用(以AlexNet为例)
目录1. 概况2. 代码讲解2.1 加载必要的包2.2 设置GPU和transform2.3 数据预处理2.4 引入模型2.5 训练模型2.6 测试模型2.7 保存模型3. 完整代码本文主要是提供过程,不要在意结果。1. 概况pytorch 中有许多已经训练好的模型提供给我们使用,一下以AlexNet为例说明pytorch中的模型怎么用。如下:import torchvision.models as models# pretrained=True:加载网络结构和预训练参数resnet18原创 2021-08-17 17:14:38 · 8425 阅读 · 3 评论 -
深度学习——卷积层(pytorch)
目录1. CONV1D2. CONV2D3. CONV3D1. CONV1Dtorch.nn.Conv1d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None, dtype=None)参数:in_channels( int ):输入图像中的通道数out_channels( int ):卷积产原创 2021-08-15 15:15:02 · 256 阅读 · 0 评论 -
深度学习——pytorch自制、定义数据集
数据来源:请点击我代码:from PIL import Imagefrom glob import globfrom torch.utils.data import Datasetimport torchvision.transforms as transformsclass InvalidDatasetException(Exception): # 如果照片路径总数不等于标签总数将执行这段代码 def __init__(self, len_of_paths, len_of_l原创 2021-08-13 17:36:40 · 263 阅读 · 0 评论 -
深度学习——常用图像分类网络
AlexNetVGGResNetSqueezeNetDenseNetInception v3GoogLeNetShuffleNet v2MobileNetV2MobileNetV3ResNeXtWide ResNetMNASNet原创 2021-08-11 22:39:47 · 1259 阅读 · 0 评论 -
深度学习——Dropout层理论学习
这里写目录标题1. 什么是Dropout层2. 参考资料1. 什么是Dropout层Dropout可以作为训练深度神经网络的一种trick供选择。在每个训练批次中,通过忽略一半的特征检测器(让一半的隐层节点值为0),可以明显地减少过拟合现象。这种方式可以减少特征检测器(隐层节点)间的相互作用,检测器相互作用是指某些检测器依赖其他检测器才能发挥作用。Dropout说的简单一点就是:我们在前向传播的时候,让某个神经元的激活值以一定的概率p停止工作,这样可以使模型泛化性更强,因为它不会太依赖某些局部的特征,原创 2021-08-04 20:12:51 · 502 阅读 · 0 评论 -
深度学习——池化层理论学习(Pooling Layer)
这里写目录标题1. 什么是池化层2. 池化层作用3. 常见的池化层3.1 最大池化层(max pooling layer)3.2 平均池化层(average pooling layer)3.3 重叠池化层(Overlapping Pooling layer):3.4 其它池化层4. 参考资料1. 什么是池化层池化是缩小高、长方向上的空间的运算。池化层是具有这种功能的一个深度学习的层。对输入的特征图进行压缩,一方面使特征图变小,简化网络计算复杂度;一方面进行特征压缩,提取主要特征。下图是Max池化原创 2021-08-04 17:29:12 · 6093 阅读 · 0 评论 -
深度学习——输入层理论学习
目录1. 什么是输入层2. 灰度图片3. RGB图片4. 图片预处理5. 参考资料:1. 什么是输入层输入层即数据的输入,卷积神经网络的输入层输入并不必须是图片。只是由于卷积神经网络在计算机视觉领域应用更广些,所以大多人在谈及CNN时,默认输入的是图片。图片等非数字化的图像信息,在计算机中都是以像素的形式(把图片放大,我们将看到一个个格子,即为像素,参考下图),按照矩阵进行有序排列而成。像素是图像的最基本单位,像素值以矩阵方式保存。2. 灰度图片如果是灰度图(我们通常说的黑白图),那么图像就是单通原创 2021-08-04 15:56:30 · 4316 阅读 · 0 评论 -
深度学习——卷积层理论学习
目录1. 什么是卷积层2. 卷积核3. 步幅4. 填充5. 单通道输入,单卷积核(2D)6. 多通道输入,多(一)卷积核(空间卷积)1. 什么是卷积层卷积是一种有效提取图片特征的方法 。卷积层由若干卷积单元组成,每个卷积单元的参数都是通过反向传播算法最佳化得到的。卷积运算的目的是提取输入的不同特征,第一层卷积层可能只能提取一些低级的特征如边缘、线条和角等层级,更多层的网路能从低级特征中迭代提取更复杂的特征。计算方法: 一般用一个正方形卷积核,遍历图片上的每一个像素点。图片与卷积核重合区域内相对应的每原创 2021-08-04 12:50:46 · 3153 阅读 · 0 评论 -
深度学习——激活函数(激励函数)理论学习
1.什么是激活函数f(z)函数会把输入信号的总和转换为输出信号,这种函数一般称为激活函数。如下图:简化后:2.激活函数作用如果不用激活函数,每一层输出都是上层输入的线性函数,无论神经网络有多少层,输出都是输入的线性组合,这种情况就是最原始的感知机。如果使用的话,激活函数给神经元引入了非线性因素,使得神经网络可以任意逼近任何非线性函数,这样神经网络就可以应用到众多的非线性模型中。没有激活函数的每层都相当于矩阵相乘。就算你叠加了若干层之后,无非还是个矩阵相乘罢了。3.激活函数的原理4.常见的转载 2021-08-04 00:03:21 · 1345 阅读 · 0 评论 -
深度学习——感知机理论学习
目录1.什么是感知机2.导入权重和偏置1.什么是感知机感知机是一个二分类的线性模型。感知机接收多个输入信号,输出一个信号。这些输入信号是特征向量,输出信号是类别。看一个例子,如下图,x1,x2是输入信号,y是输出信号,w1 , w2是权重。图中的O(圆圈)称为 “神经元" 或者 “节点”。输人信号被送往神经元时,会被分别乘以固定的权重(w1x1 , w2x2 )。 神经元会计算传送过来的信号的总和,只有当这个总和超过了某个界限值时,才会输出1。这也称为 “神经元被激活”。这里将这个界限值称为阈值,用符原创 2021-08-03 16:38:35 · 104 阅读 · 0 评论 -
深度学习实战——Animal Faces(图象识别+pytorch实现)
文章没有采用什么著名的、实现预设好的网络模型,基础卷积网络搭建而成。数据来源:我在这里直接上代码:import numpy as npfrom PIL import Imageimport matplotlib.pyplot as pltfrom glob import globimport torchimport torch.nn as nnimport torch.nn.functional as Fimport torch.optim as optimfrom torch.uti原创 2021-08-02 18:05:25 · 1986 阅读 · 2 评论 -
深度学习——经典案例(MNIST数据集)
以前一直纠结数据处理的部分,究竟数据集要处理成什么样子才能被卷积,害~现在看来是我多虑,把它看复杂了……如果又小伙伴有同样的困惑,可以留言。代码:有注释,应该容易看懂import torchimport torch.nn as nn # pytorch提供设计的模块和类import torch.nn.functional as F # 对几个输入平面组成的输入信号应用1D卷积。import torch.optim as optim # 实现了各种优化算法的库from torchvision原创 2021-08-01 23:17:24 · 888 阅读 · 1 评论 -
深度学习自制、自定义数据集
深度学习自制、自定义数据集数据有点大,仅供参考,主要是代码。数据来源kaggle# 引进待会要用的包import os.pathimport pandas as pd# 训练集绝对路径traindir = r"C:\Users\AIAXIT\Desktop\DeepLearningProject\Project\plant-seedlings-classification\train"# 列出dir目录下的目录和文件fileList = os.listdir(traindir)#pri原创 2021-07-08 23:27:47 · 862 阅读 · 5 评论