- 博客(5)
- 收藏
- 关注
RSS订阅原创 CNN卷积神经网络03--LeNet推理
在训练阶段,我们对图片进行了归一化及标准化操作以及调整维度顺序hwc-->chw,预测的时候,我们需要对待预测的图片进行同样的处理,并且进行升维组成BCHW格式的数组。需要把这个数组解释成人类理解的结果,对数组进行sorftmax函数处理以获取我们对其输出的各类的置信度信息,而最大值的索引即为预测的label。训练完模型保存后,在推理阶段只需要实例化模型,加载参数,然后对图片进行预处理即可获取推理结果,实际上这部分和训练时候进行评估的代码十分类似。根据网络的定义,前向传播返回的结果是[B,10]的数组,
2023-12-02 14:28:35
368
1
原创 CNN卷积神经网络02--LeNet训练CIFAR10
例子中先是把加载的图像转成Tensor,并且调整hwc为chw格式,然后执行一个归一化操作在标准化处理(rgb灰度值/255得到0-1,再减去0.5(均值) 再 除以0.5(标准差)) 对原始数据归一化及标准化有助于网络的训练收敛。网络加载,损失函数反向传播优化器的设置,按batchsize取出数据,进行前向传播,计算损失,反向传播更新网络,评估代码,日志代码,保存网络等。此处的均值及标准差是先验的,是统计的结果,人为设定的,并不是训练网络必须要使用这个参数,重要的是要理解标准化的数据对于训练的帮助。
2023-12-02 01:25:12
1033
原创 CNN卷积神经网络01--LeNet网络搭建
Lenet 是一系列网络的合称，包括 Lenet1 - Lenet5，由 Yann LeCun 等人在 1990 年《Handwritten Digit Recognition with a Back-Propagation Network》中提出，是卷积神经网络的 HelloWorld。h_out =(输入尺寸-卷积核尺寸)/卷积步长+1=(32-5)/1+1 = 28。使用16个 5*5的卷积核 输入的通道数为16,H,W的尺寸为。输入的Tensor按BCHW排列为1,3,32,32。
2023-11-30 01:56:21
416
原创 C++ 进阶 面向对象编程 001_内存分区模型
代码区是共享的,共享的目的是,对于频繁执行的程序,只需要内存中有一份代码即可。程序内存分区,针对不同类型的数据分配不同的生命周期,提高编程的灵活性。在程序编译后,生成了可执行文件.exe,未执行该程序前,分为两个区域。代码区是只读的,只读是为了防止程序意外的修改了它的指令。堆区的对象的释放 关键字 delete 数据的地址。由编译器自动分配释放,存放函数的参数,局部变量等。由编译器分配及释放,存放函数的参数,局部变量等。存放函数体的二级制代码,由操作系统进行管理。全局区的数据在程序结束后,由操作系统释放。
2023-05-01 12:00:02
40
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