引言这篇文章是写给那些想要学习或者回顾如何在 Keras 建立一个基本卷积神经网络的人的。本文所基于的数据集是 Fashion-Mnist 数据集(数据集链接：https://github.com/zalandoresearch/fashion-mnist)。在本文中，我们将解释如何：1. 在 Pytorch 建立一个基础的 CNN；2. 运行神经网络；3. 保存和加载checkpoints；数据
转载
2024-06-12 20:19:57
18阅读
深度卷积生成对抗网络（DCGAN）原理与实现（采用Tensorflow2.x）GAN直观理解DCGAN网络结构GAN训练目标DCGAN实现数据加载网络鉴别网络生成网络网络训练定义损失函数实例化网络及优化器训练效果展示定义可视化函数可视化效果小问题后记GAN直观理解Ian Goodfellow 在首次提出GAN，使用了形象的比喻来介绍 GAN 模型：生成网络 G 的功能就是产生逼真的假钞试图欺骗鉴别
常规卷积常规卷积：卷积核与输入的每个通道都进行卷积操作； 假设输入层为一个大小为64×64像素、三通道彩色图片，经过一个包含4个Filter的卷积层，最终输出4个Feature Map，且尺寸与输入层相同。 卷积层共4个Filter，每个Filter包含了3个Kernel，每个Kernel的大小为3×3。 卷积层的参数数量可以用如下公式来计算(即：卷积核W x 卷积核H x 输入通道数 x 输出通
转载
2023-12-15 20:44:54
2034阅读
0、前言1、深度可分离卷积1.1 depthwise卷积1.2 pointwise卷积2、代码实现参考 0、前言深度可分离卷积不用多说，在轻量级网络架构方面是一个绕不开的话题，只要接触深度学习多多少少会接触。深度可分离卷积即Depthwise Separable Convolution，该卷积将一个常规卷积过程划分成两个完成：Depthwise卷积和Pointwise卷积，在保证输出一样时，计算
转载
2023-11-24 23:02:12
934阅读
Convolutions包含Kernel size，Stride，PaddingDialated Convolutions膨胀卷积给卷积层引入了另外一个参数命名为膨胀率（dilation rate）。这个参数定义了kernel中的值之间的间隔，dilation rate为2的一个3x3的kernel将和一个5x5的kernel拥有相同的感受野，同时只使用了9个参数。想象一下，获取一个5x
# 卷积GRU在PyTorch中的实现
随着深度学习的发展，循环神经网络（RNN）以及其变种门控循环单元（GRU）在处理序列数据方面展现出了显著的效果。为了进一步提升模型性能，研究者们将卷积操作与GRU相结合，形成了卷积GRU（ConvGRU）结构。
在本文中，我们将探讨卷积GRU的原理，并提供一个使用PyTorch实现的代码示例。
## 什么是卷积GRU？
卷积GRU是将卷积层引入GRU
原创
2024-10-06 05:07:23
392阅读
卷积层1. 1d/2d/3d卷积Dimension of Convolution卷积运算：卷积核在输入信号(图像)上滑动，相应位置上进行乘加卷积核：又称为滤波器，过滤器，可认为是某种模式，某种特征。 卷积过程类似于用一个模版去图像上寻找与它相似的区域，与卷积核模式越相似，激活值越高，从而实现特征提取，所以在深度学习当中，可以把卷积核看成是特征提取器的检测器 AlexNet卷积核可视化，发现卷积核学
转载
2024-08-08 10:30:20
147阅读
文章目录卷积神经网络CNN卷积CNN基本原理经典CNNLeNet-5AlexNetVGGNetCNN主要应用 卷积神经网络CNN之前我们介绍了全连接神经网络，它的权重矩阵的参数非常多。 而且往往自然图像中的物体都具有局部不变性特征，即尺度缩放、平移、旋转等操作不影响其语义信息，但是全连接前馈网络很难提取这些局部不变特征，这就引出了我们将要介绍的卷积神经网络（Convolutional Neura
转载
2024-10-11 14:13:08
40阅读
一、空洞卷积1.1 普通小卷积核卷积-池化-再上采样会出现的问题Up-sampling / pooling layer (e.g. bilinear interpolation) is deterministic. (a.k.a. not learnable)内部数据结构丢失；空间层级化信息丢失。小物体信息无法重建 (假设有四个pooling layer 则 任何小于 2^4 = 16 pixel
转载
2024-04-15 13:47:21
112阅读
# 使用 PyTorch 实现一维卷积的完整指南
随着人工智能的快速发展，深度学习已成为许多应用领域中的核心技术。PyTorch 是一个强大而灵活的深度学习框架，非常适合于研究和工业应用。在这篇文章中，我们将学习如何在 PyTorch 中实现一维卷积，并通过一个简单的示例来演示整个过程。
## 流程概述
在开始之前，让我们先概览一下实现这一过程的步骤：
| 步骤 | 说明
空洞卷积的应用处：空洞卷积（dilated convolution）是针对图像语义分割问题中下采样会降低图像分辨率、丢失信息而提出的一种卷积思路。利用添加空洞扩大感受野，让原本3x3的卷积核，在相同参数量和计算量下拥有5x5（dilated rate =2）或者更大的感受野，从而无需下采样。扩张卷积（dilated convolutions）又名空洞卷积（atrous convolutions），
转载
2024-01-12 14:42:56
221阅读
史上最简单、实际、通俗易懂的PyTorch实战系列教程！（新手友好、小白请进、建议收藏）基于3D卷积的视频分析与动作识别一、3D卷积原理解读视频就是一帧一帧的图像按照时间拼接组成的，3D卷积就是比2D的卷积多了个时间维度。二、UCF 101动作识别数据集简介UCF 101动作识别数据集官网地址下载：https://www.crcv.ucf.edu/data/UCF101.php101类视频，每一类
转载
2024-01-05 16:40:05
71阅读
图1 卷积网络中的 layers目录（1）卷积层（2）本文章设计的函数列表，以及函数的参数解读（3）代码示例（4）空洞卷积 （1）卷积层卷积本是分析数学中的一种运算，在深度学习中使用的卷积运算通常是离散的。作为卷积神经网络中最基础的组成部分，卷积的本质是用卷积核的参数来提取数据的特征，通过矩阵点乘运算与求和运算来得到结果。如图2 所示为一个基本二维卷积的运算过程，公式为y=ωx+b。这
转载
2024-01-11 08:24:40
110阅读
卷积操作略输入输出尺寸变化略PyTorch实现nn.Conv2d(in_channels,
out_channels,
kernel_size,
stride=1.
padding=0,
dilation=1,
groups=1,
bias=True,
转载
2023-09-03 16:02:39
237阅读
0.前言在原始图像卷积网络的基础上，经过不断的改进和优化，出现了如分组卷积（Group convolution）、空洞卷积（Dilated / Atrous Convolution convolution），深度可分离卷积（Depthwise Seperable Convolution）等各式各样的卷积改进形式。Depthwise(DW)卷积与Pointwise(PW)卷积，合起来被称作深度可分离
转载
2023-12-26 20:59:08
210阅读
## 亚像素卷积代码实现（PyTorch）
### 引言
欢迎来到这篇教程，这里将介绍如何使用PyTorch实现亚像素卷积。在开始之前，我们先来了解一下亚像素卷积的概念。
### 什么是亚像素卷积？
亚像素卷积是一种用于图像超分辨率的技术。在传统的卷积神经网络中，卷积层会降低图像的分辨率，而亚像素卷积则通过一系列操作将图像的分辨率提升回去，从而实现图像的超分辨率。
### 整体流程
下面是实
原创
2023-07-23 19:32:46
983阅读
先试一下它的效果。根据MNIST公开的分类器 1，误分类率小于0.6%的与卷积网络相关的方法主要有两种：2008年的“无监督稀疏特征 + 支持向量机”和起始于1998年的“卷积网络”。两者的特征提取分别基于稀疏编码和卷积神经网络。1. 问题不同的尺度和视角拍摄同1个正方体。FPGA中物体检测采用滑动窗口也能跑得飞起，所以问题来了~滑动窗口尺寸多尺度，能否识别不同视角的正方体？滑动窗口尺寸不变，能否
介绍 关于空洞卷积的理论可以查看以下链接，这里我们不详细讲理论：1.Long J, Shelhamer E, Darrell T, et al. Fully convolutional networks for semantic segmentation[C]. Computer Vision and Pattern Recognition, 2015.
2.Yu, Fisher, and
转载
2024-10-22 14:50:33
39阅读
一维卷积是处理时间序列或其他一维数据的有效工具。在这篇博文中，我们将深入探讨如何在PyTorch中实现一维卷积，涵盖从环境预检到依赖管理，再到故障排查与迁移指南的完整过程。
## 环境预检
在开始实施一维卷积之前，我们需要确保环境配置符合要求。以下展示了一个思维导图，帮助我们梳理好硬件及软件的配置。
```mermaid
mindmap
root((一维卷积环境配置))
Soft
什么是卷积卷积就是把卷积核放在输入上进行滑窗，将当前卷积核覆盖范围内的输入与卷积核相乘，值进行累加，得到当前位置的输出，其本质在于融合多个像素值的信息输出一个像素值，本质上是下采样的，所以输出的大小必然小于输入的大小，如下图所示：什么是反卷积反卷积和转置卷积都是一个意思，所谓的反卷积，就是卷积的逆操作，我们将上图的卷积看成是输入通过卷积核的透视，那么反卷积就可以看成输出通过卷积核的透视，具体如下图
转载
2023-12-09 14:42:06
129阅读
