- 博客(5)
- 收藏
- 关注
RSS订阅原创 动手深度学习4——经典卷积神经网络
LeNet先 使用卷积层来学习图片空间信息，然后使用全连接层来转换到类别空间。AAimport torchfrom torch import nnfrom d2l import torch as d2lclass Reshape(torch.nn.Module): def forward(self,x): return x.view(-1,1,28,28)net = nn.Sequential( Reshape(), nn.Conv2d(
2022-04-10 21:13:02
4193
1
原创 动手深度学习3——卷积神经网络
import torchfrom torch import nnfrom d2l import torch as d2ldef corr2d(X, K): #@save """计算二维互相关运算""" h, w = K.shape Y = torch.zeros((X.shape[0] - h + 1, X.shape[1] - w + 1)) for i in range(Y.shape[0]): for j in range(Y.shape[1.
2022-03-20 14:23:59
1721
原创 动手学深度学习
感知机给定输入x，权重w，偏移b，感知机输出：就是一个二分类问题，对比线性回归，线性回归输出实数，感知机输出离散的类；对比softmax，它有n个类的话，输出n个元素，可以是多分类，回归输出的是概率initialize w=0 and b=0repeat if yi[<w,xi>+b]<=0 then #两者异号说明分类错误 w <- w+yixi and b <- b+yi end ifuntil all classified corre
2022-03-06 21:59:26
1135
原创 计算机视觉（北邮鲁鹏）--边缘提取
边缘分类1.面上不连续 2.深度不连续 3.图像 4.阴影边提取边边就是信号突变的地方，求导即可。对x求导=右边的数-自身的数求导通过卷积来计算，用【-1，1】的卷积核对原图操作，即对x方向求导，通常用【-1，0，1】用右边像素-左边像素来衡量我自己。梯度另：梯度方向和边的方向垂直，强度为勾股弦。...
2021-05-13 19:34:17
1158
1
原创 计算机视觉（北邮鲁鹏）--卷积
卷积定义：卷积运算就是对于图像 f(x,y) 中的每个像素，将其作为中心像素，计算它及其邻域像素和kernel核 w(a,b)对应位置元素的乘积，然后把结果相加到一起，得到的值就作为该中心像素的新值，这样就完成了一次卷积运算。然后将kernel向下或向左平移一位继续计算每个像素的新值，直到遍历完整个图像。作用：降噪公式：性质：1.线性性2.平移不变性 3. 任何平移操作都可用卷积来实现4.卷积的边缘填充问题不填充的话，卷积后的图像尺寸会变...
2021-05-13 09:37:51
709
1
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