# #作者：韦访 1、概述上一讲，我们学习了循环神经网络RNN，并且用RNN实现了二进制减法，实际上TensorFlow集成了RNN，我们只要调用其对应的API就可以很方便的使用RNN来解决问题了。这一讲，我们来看看怎么使用TensorFlow的RNN，作为对比，先做一个和上一讲一样功能的二进制减法，再对MNIST数据集的识别。环境配置：操作系统：Win10 64位显卡：GTX 1080
转载
2024-08-26 11:18:41
33阅读
你应该在 2022 年使用 PyTorch 还是 TensorFlow？本指南介绍了 PyTorch 与 TensorFlow 的主要优缺点，以及如何选择正确的框架。PyTorch 和 TensorFlow 是当今最流行的两个深度学习框架。关于哪个框架更好的争论是一个长期存在的争论点，每个阵营都有自己的狂热支持者。PyTorch 和 TensorFlow 在它们相对较短的生命周期中发展得如此迅速，
转载
2023-08-28 15:09:32
12阅读
我们利用 TensorFlow 构造 CNN 做表情识别，我们用的是FER-2013 这个数据库， 这个数据库一共有 35887 张人脸图像，这里只是做一个简单到仿真实验，为了计算方便，我们用其中到 30000张图像做训练，5000张图像做测试集，我们建立一个3个convolution layer 以及 3个 pooling layer 和一个 FC layer 的CNN 来做训练。
FER-2
转载
2016-11-13 14:09:00
60阅读
# Android Retrofit和Flow之间的关系详解
在Android开发中，网络请求是一个非常重要的部分，而Retrofit作为一种流行的网络请求库，能够帮助我们简化与API的交互。而Kotlin的Flow则是处理异步数据流的一种强大工具。将Retrofit和Flow结合使用，可以创建响应式应用程序，流畅处理网络请求。本文将带领你了解它们的关系，以及如何将它们结合在一起。
## 流程
tensorflow、pytorch、keras框架的区别？1.简介 PyTorch 最大优势是建立的神经网络是动态的, 对比静态的 Tensorflow, 它能更有效地处理一些问题, 比如说 RNN 变化时间长度的输出。PyTorch的源码只有TensorFlow的十分之一左右，更少的抽象、更直观的设计使得PyTorch的源码十分易于阅读。 &
转载
2023-08-05 14:20:56
50阅读
最近在做细胞分割，尝试了很多CNN的分割模型，对比下来发现unet性能真的是很好。在很小的训练集上（30张）也能取得非常不错的分割效果。以前一直以为CNN结构更多的是靠瞎蒙，现在发现其实不是。CNN虽然内部的整个流程很难去揣摩，但是还是有很多比较整体的经验可以借鉴，在模型构建上还是有规可循。 按照我这些日子的测试，结合一点自己的理解和网上各位大佬的帖子，说一下我自己的看法。 U-Net和FCN非常
转载
2024-02-23 23:24:01
136阅读
在深度学习领域中，TensorFlow 和 PyTorch 都是非常流行的框架。这两个框架都提供了用于开发神经网络模型的工具和库，但它们在设计和实现上有很大的差异。在本文中，我们将比较 TensorFlow 和 PyTorch，并讨论哪个框架更适合您的深度学习项目。 设计哲学TensorFlow 的设计哲学是构建一个具有可扩展性和可移植性的框架。这个框架被设计成使用静态计算图，它允许开发
转载
2023-09-15 12:14:13
86阅读
写在前面这段时间一直在研究如何提高流表空间的利用率。一直没能想到好的idea。有一篇文献中比较了现有研究中提到的手段，在这里记录一下都有哪些类型的手段以及这些手段存在的不足。这些手段不仅局限于如何提高流表空间的利用率，更把范围拓展至如何提高交换机流表的匹配成功率。背景软件定义网络(Software Defined Network，SDN)作为一种新的架构，利用分层的思想将控制平面和数据平面分离，为
目录I. 前言II. 数据介绍III. 联邦学习1. 整体框架2. 服务器端3. 客户端IV. Tensorflow Federated1. 数据处理2. 构造TFF的Keras模型3. 训练4. 测试5. 实验结果及分析V. 一些思考VI. 源码及数据 I. 前言谷歌作为联邦学习的提出者，在其深度学习框架TensorFlow的基础上开发出了一套联邦学习的框架Tensorflow Federat
0 引言PointNet是处理点云数据的深度学习模型，其地位堪比2D图像处理中的CNN网络， 后续的诸多点云数据处理的深度网络都有PointNet的影子。1 点云数据介绍既然PointNet处理的是点云数据， 那么首先需要先知道点云数据是长什么样子。 其实所谓点云数据就是一系列点组成的集合， 每一个点代表一个三维坐标(x,y,z), (注：有些点云数据可能是6个值， 除了三个坐标外， 还有nx,n
CNN卷积神经网络之ResNet前言神经网络的“退化”问题残差块(Residual Block)网络结构Residual Block的分析与改进*理解与反思 未经本人同意，禁止任何形式的转载！前言《Deep Residual Learning for Image Recognition》 论文地址：https://arxiv.org/pdf/1512.03385.pdf.2014年VGG达到19
转载
2024-08-08 10:43:05
56阅读
神经网络人工神经网络（ Artificial Neural Network， 简写为ANN）也简称为神经网络（NN）。是一种模仿生物神经网络（动物的中枢神经系统，特别是大脑）结构和功能的 计算模型。经典的神经网络结构包含三个层次的神经网络。分别输入层，输出层以及隐藏层。 其中每层的圆圈代表一个神经元，隐藏层和输出层的神经元有输入的数据计算后输出，输入层的神经元只是输入。神经网络的特点每个连接都有个
转载
2024-10-11 14:23:43
79阅读
0. 一壶清酒 给最近的工作做一个小小的总结。不会放出实测代码，以后有机会会补上部分内容。这篇博客算是调好一个简单测试样例，在CSDN上搜索“基于RNN的短评”也会有一些相关的技术贴。不过可能是用keras这些完成的，我用的基础的tf手写。测试了两个不同的网络，TextCNN和双向GRU。只要意思到位了就可以了。1. 一身尘灰 首先，简单介绍一下
人工神经网络（Artificial Neural Network，简称ANN）的目的是利用计算机模拟我们人类大脑处理问题的过程，这里来分析一下其逻辑，不作专业解释了。 ANN是一个统计模型，由观测数据集（S）和概率（P）组成。 对于一张图片，我们将其所有的像素作为我们的数据集，利
在深度学习的世界中，PyTorch 和卷积神经网络（CNN）是当今最受欢迎的技术之一。无论是在计算机视觉、自然语言处理还是其他领域，搭建和训练模型的效率与灵活性使得这两个工具的结合变得不可或缺。在本文中，我们将探讨 PyTorch 和 CNN 的关系，从问题背景到解决方案中的细节，让我们深度了解这一结合的潜力和应用。
### 问题背景
在我们进行图像处理任务时，发现使用 PyTorch 构建的
论文复现：结合 CNN 和 LSTM 的滚动轴承剩余使用寿命预测方法一、简介针对滚动轴承存在性能退化渐变故障和突发故障两种模式下的剩余使用寿命（remaining useful life，简称RUL）预测困难的问题，提出一种结合卷积神经网络（convolution neural networks，简称CNN）和长短时记忆（long short term memory，简称 LSTM）神经网络的滚动
转载
2024-07-31 20:57:14
50阅读
参考文档：CS231n一、概述 卷积神经网络（Convolutional Neural Network，CNN）与原始的fully connect neural network相似，由具有可训练的权重和偏差的神经元组成，每个神经元接受输入，执行点积，有选择性的用一个非线性函数处理它。整个网络仍表现为一个单一可微函数，并在最后一层具有损失函数。不同之处在于，CNN明确假定输
转载
2024-05-23 23:18:24
67阅读
1、相关知识 从广义上来说，NN（或是更美的DNN）确实可以认为包含了CNN、RNN这些具体的变种形式。有很多人认为，它们并没有可比性，或是根本没必要放在一起比较。在实际应用中，所谓的深度神经网络DNN，往往融合了多种已知的结构，包括convolution layer 或是 LSTM 单元。其实，如果我们顺着神经网络技术发展的脉络，就很容易弄清这几种网络结构发明的初衷，和他们之间本质的区别。2
转载
2024-03-18 15:27:45
34阅读
一、概述
卷积神经网络（Convolutional Neural Network, CNN）是一种深层神经网络模型。它的特殊性体现在两个方面：
a.相邻层
的神经元之间的连接是非全连接的
b.同一层中某些神经元之间的连接的权重是共享的
c.空间或时间上的采样
前馈神经网络，各神经元从输入层开始，接收前一级输入，并输出到下一级，直至输出层。整个网络中无
转载
2024-04-08 10:38:57
125阅读
《PyTorch深度学习实践》视频一.GoogLeNet1. 其中的多次出现的蓝红结构被称之为：Inception 1.1 什么是1 * 1的单个卷积核？对于1 * 1的卷积核，层数不同仅代表不同值的单个像素，与对应图像做数乘运算要求和，化作一层的输出。而这n个卷积组成的不同卷积核的数量，决定输出的层数 1.2 1 * 1的卷积核作用对于相同的图像经过卷积层操作，得
转载
2023-10-08 08:08:14
194阅读
