开篇上次我们说到了卷积神经网络，CNN是一种在图像领域经常被使用的一种重要的基础网络。我们熟悉的网络例如VGG，ResNet,Inception-v3,GoogLeNet,AlexNet等等众多著名网络中都有CNN身影。 那今天我们就要介绍一种在语音识别和自然语言处理领域和CNN具有同样低位的另一种网络——循环神经网络RNN。如BERT，Skip-Gram,CBOW等模型。它有两个很重要的部分，L
深度学习——CNN相关网络（一）1. CNN神经网络引入1.1 回顾BP网络首先，我们来看一下传统的BP网络的结构： 上图所展示的是BP网络的前向传播和反向传播的过程图。跟根据上面的图示，我们可以给出上述BP网络的某一个输出单元k的计算公式： 其中均为激活函数。在传统的神经网络，如果网络层特别深的情况下，会有以下几个问题：这种连接的方式会导致参数过多。如果采用sigmoid函数，会导致梯度消失或者
转载
2024-05-30 09:51:14
38阅读
1. 图形文件和图形库是统一的 XML 格式 一般图形软件的图库不外乎采用以下几种技术： ① 程序中自带图库。这适用于特定的专业领域，如果需求发生变化，程序必须改变，目前许多自行开发图形系统的软件公司采用这种技术，一来需求相对固定，二来实现也较为简单，这种技术的缺点在于，以后需求发生变化，程序经常需要修改。 ② 专门做一个图库设计工具软件，图库有专门的格式。这个已经比前面进了一步，起码用户似乎可
在本教程中，我们将讨论深度学习应用于人脸的一个有趣应用。我们将估计年龄并从单个图像中找出人的性别。我们将简要讨论本文的主要思想，并提供有关如何在 OpenCV 中使用该模型的分步说明。我们将使用 OpenCV 学习性别和年龄分类。1. 使用 CNN 进行性别和年龄分类作者使用了一个非常简单的卷积神经网络架构，类似于CaffeNet和AlexNet。该网络使用3个卷积层，2个完全连接层和一个最终输出
转载
2024-09-03 21:52:47
39阅读
1.FCN FCN，Fully Convolutional Network的缩写，中文名叫全卷积神经网络，它是语义分割算法的一个基本模型。所谓语义分割就是对图像中每一个像素点进行分类，确定每个点的类别，从而进行区域划分。 一般的CNN模型就是先用若干个卷积层和池化层组合连接在一起，然后再连接若干个全连接层，最后就是softmax层，这种CNN模型一般用于图像的分类。而FCN与这种模
转载
2024-03-06 17:29:40
708阅读
全卷积网络FCN广泛应用于缺陷检测当中，和我的毕设题目息息相关，这一周对其进行学习并总结如下。1.FCN和CNN FCN全称为Fully Convolutional Networks，广泛应用于图像语义分割。通常CNN网络在卷积层之后会接上若干个全连接层, 将卷积层产生的特征图(feature map)映射成一个固定长度的特征向量。以AlexNet为代表的经典
转载
2024-04-15 13:39:33
0阅读
一．Introduction 全卷积网络（FCN）是用于图片语义分割的一种卷积神经网络（CNN），由Jonathan Long，Evan Shelhamer 和Trevor Darrell提出，由此开启了深度学习在语义分割中的应用。语义分割是计算机视觉领域很重要的一个分支，在自动驾驶、地面检测等方面都起到很重要作用。与简单区分
转载
2024-04-10 07:47:53
282阅读
算法【1】以 YOLO 为基础，从准确度和速度上做改进，最终在保持原有速度的同时将精度提升到了76%左右；提出了联合训练（同时训练目标检测和分类）的方法，在COCO和ImageNet上得到一个能实现9000种目标实时检测的网络 YOLO9000对YOLO的改进YOLO2 对很多细节做了调整，从精度和速度上得到了提升更精确1.批归一化（Batch Normalization） 深层网络训练不收敛（
转载
2024-08-08 11:45:48
108阅读
# PyTorch镜像和源码编译的关系
PyTorch作为深度学习领域非常受欢迎的框架，因其灵活性和高效性被广泛使用。然而，对于许多新手用户而言，尤其是在使用Docker等工具时，常常会困惑于“PyTorch镜像是否属于源码编译”的问题。本文将对这一问题进行详细探讨，并附带代码示例。
## 镜像与源码的概念
在讨论PyTorch镜像和源码编译之前，我们先明确一些概念：
- **PyTorc
原创
2024-08-03 06:59:34
53阅读
卷积神经网络（CNN）CNN解决了什么问题人类的视觉原理卷积神经网络-CNN 的基本原理卷积--局部特征提取池化层（下采样）——数据降维，避免过拟合全连接层——输出结果使用pytorch 实现卷积神经网络--(MNIST实战) 该博客仅用于记录学习过程，避免忘记方便以后复习卷积神经网络最擅长的就是进行图像处理问题，它受到人类视觉神经系统的启发。 CNN具有两大特点： 1、能够有效的将大数据量的图
转载
2023-12-02 23:51:19
104阅读
UNet网络实现图像分割 最近在b站上找到一篇UNet网络实现图像分割的教学视频，进行相关学习后决定记录相关知识和自己的理解。 标题首先，分享下教学视频：图像分割UNet硬核讲解(带你手撸unet代码)_哔哩哔哩_bilibili学习笔记（代码理解加相关知识拓展）：1.UNet网络介绍 不同于CNN网络，UNet网络大致的结构就是： （左边是重复下采样->卷积，右边是重复上
Pytorch凭借动态图机制，获得了广泛的使用，大有超越tensorflow的趋势，不过在工程应用上，TF仍然占据优势。有的时候我们会遇到这种情况，需要把模型应用到工业中，运用到实际项目上，TF支持的PB文件和TF的C++接口就成为了有效的工具。今天就给大家讲解一下Pytorch转成Keras的方法，进而我们也可以获得Pb文件，因为Keras是支持tensorflow的，我将会在下一篇博客讲解获得
转载
2023-08-16 10:57:51
63阅读
本人入门CV方向时追着看无数的公开课，教程，入门指南之类的，每每发现别人共享的资料，百十来本书，百十个视频公开课连接，力不从心底学了几天，发现都是白扯。看N遍CS231n，读paper，精读这个领域的100篇paper，写review，写代码，写自己的想法，写自己与别人的差距。于是乎重新整理知乎专栏，把自己所学到的总结一下，差不多每天精读一篇paper并写notes。note是阅读笔记，也是对行业
转载
2024-08-12 12:01:04
27阅读
基于 PyTorch 构建卷积神经网络 CNN 文章目录基于 PyTorch 构建卷积神经网络 CNN0. 概述1. 导入 PyTorch 及其他相关库2. 准备数据集 (Data Preparation)3. 定义一个神经网络4. 训练神经网络 0. 概述在前面两项实验内容中，我们已经学习了 PyTorch 的基本数据类型 tensor 及其相关操作，并练习了如何通过 PyTorch 读入并处理
转载
2024-05-15 09:36:40
85阅读
目录pytorch神经网络实现卷积神经网络(CNN)卷积池化(pooling)流行的CNN结构PyTorch搭建CNNRNN循环神经网络LSTM RNNPyTorch实现RNN自编码（Autoencoder）MNIST实战GAN生成对抗网络(Generative Adversarial Networks) pytorch神经网络实现包括CNN、RNN、LSTM等神经网络的介绍以及PyTorch实
转载
2024-01-04 00:37:11
87阅读
概述U-net是卷积神经网络的一种变形，基于FCN的分割网络对整幅图像进行卷积来提取图片特征，然后采用上采样和卷积结合得到与原图大小一致的特征信息，并且利用并联跳跃结构把下卷积中某些隐藏层的输出并到上采样的过程中，整个网络主要有两部分组成：一个收缩路径(contracting path)来获取上下文信息以及一个对称的扩张路径(expanding path)用以精确定位。 U-net的缺点： 1.要
1.选定网络结构自定义的网络结构很大程度上决定于数据集的特点。这次字符识别数据集为20*20的3通道图片，是中国汽车牌照图片经过预处理后的字符图片。包含包括数字、字母和汉字在内的65类字符。数据分布差异较大，一般来讲这样会出现数据项较少的类难以正确识别，这里我们先不管数据分布的问题，等网络效果不好时再调整。数据项示例和数据分布如以下两张图。每个数据项信息较少，可使用较为简单的网络。因此定义网络如下
转载
2024-07-18 22:24:58
59阅读
CNN的介绍我就不写了，基本的都知道，用于处理图像语音的一种神经网络。在全连接层的基础上，增加了卷积层和池化层。关于卷积层和池化层填充系数padding的计算公式，两者都是都是用一个核（窗口）去处理，卷积核是为了取得图像的信息，包含了网络的学习参数，池化层是为了突出图像重要信息和缩小图像规模（分为最大池化和平均池化），不含学习参数，但两者的计算模式都是一个窗口计算得到1个值，故计算模式是相同的。需
转载
2023-10-16 13:20:44
15阅读
〇、基本流程加载数据->搭建模型->训练->测试 一、加载数据通过使用torch.utils.data.DataLoader和torchvision.datasets两个模块可以很方便地去获取常用数据集(手写数字MNIST、分类CIFAR)，以及将其加载进来。1.加载内置数据集import torch
from torch.utils.data import Data
转载
2023-10-08 20:57:22
110阅读
结构化CNN模型构建与测试前言GoogLeNet结构Inception块模型构建resNet18模型结构残差块模型构建denseNet模型结构DenseBlocktransition_block模型构建结尾 前言在本专栏的上一篇博客中我们介绍了常用的线性模型，在本文中我们将介绍GoogleNet、resNet、denseNet这类结构化的模型的构建方式。GoogLeNet结构整体的结构似乎有些吓
转载
2024-05-15 10:33:17
19阅读
