AlexNet网络在2012年内的ImageNet比赛中脱颖而出，性能大幅超越传统基于SVM等算法。其作者是多伦多大学的Alex Krizhevsky，因此网络命名为AlexNet网络。当然站在现在看AlexNet网络，它的很多trick也被运用广泛，但毕竟在当年还没有框架的年代能达到一定的效果，也是非常的不容易。【网络结构】 图1 AlexNet网络结构图
上图分为上下两个部分，每个部分
转载
2024-08-08 11:37:11
86阅读
Local Response Nomalization在前面文章中采用softmax完成了无隐藏层的浅层神经网络，用于对mnist数据集（）分类，通过1000次迭代，识别率大于90%。本篇文章采用cnn搭建来实现对mnist数据集的分类，增加了卷积运算。参看书籍《tensorflow实战》 1.卷积神经网络 CNN最大的特点就是在于卷积的权值共享，利用空间结构减少学习的参数量，防止过拟合的同时
转载
2024-04-08 22:20:03
169阅读
正则化逻辑回归题目：你是工厂主管，你有一些芯片在两次测试的结果，你需要决定它们是否合格，你手里有之前的结果，现在需要构建一个逻辑回归模型进行预测代码：1. 读取数据import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
path = 'ex2data2.txt'
df = pd.read_csv(path, h
AlexNet 网络结构：VGG ： conv3x3、conv5x5、conv7x7、conv9x9和conv11x11，在224x224x3的RGB图上（设置pad=1，stride=4，output_channel=96）做卷积，卷积层的参数规模和得到的feature map的大小如下：卷积神经网络基本计算原理http://m.elecfans.com/article/691826.html大
转载
2024-03-23 15:26:31
740阅读
说明：本博文假设你已经做好了自己的数据集，该数据集格式和VOC2007相同。下面是训练前的一些修改。 （做数据集的过程可以看） Faster-RCNN源码下载地址： Matlab版本：https://github.com/ShaoqingRen/faster_rcnn Python版本:https://github.com/rbgirshick/py-faster-rcnn 本文用到的是Mat
转载
2024-10-11 12:37:18
26阅读
一维插值是指对一维函数进行插值。已知n+1个结点(x,y,)，其中x,互不相同(j=0，1，2，... n),求任意插值点x*处的插值y*。求解一维插值问题的主要思想是:设结点由未知的函数g(x)产生，函数g(x)为连续函数且g(x)=y;(j=0,1,...,n);接着构造相对简单的且容易实现的函数f(x)来逼近函数g(x),使f(x)可以经过n+1个结点，即f(x)=y;(j=0,1,2,,n
文章目录前言一、CNN手推过程二、代码实现PyTorch二维卷积1.用原始的矩阵运算来实现二维卷积,不考虑batch-size维度和channel维度2.用原始的矩阵运算来实现二维卷积,不考虑batch-size维度和channel维度, flatten版本3.用原始的矩阵运算来实现二维卷积,考虑batch-size维度和channel维度总结 前言本章主要是介绍CNN的手推过程，展示了CNN正
转载
2024-01-10 17:03:13
347阅读
一维CNN网络模型Pytorch的实现和调优
一维卷积神经网络（1D CNN）通常用于处理时间序列数据或序列数据，它能够在局部邻域内学习特征，并在整个序列上进行特征提取。在本文中，我将详细记录如何在Pytorch框架中实现一维CNN网络模型，包括环境准备、分步指南、配置详解、验证测试、优化技巧以及排错指南。以下是整理的内容。
## 环境准备
在开始之前，确保我的开发环境是正确配置的。以下是软
一维数据的格式化和处理
一、概述
数据组织的维度
一维数据的表示，存储，处理
二、数据组织的维度
2.1 从一个数据到一组数据
2.2 维度：一组数据的组织形式
2.3 一维数据【3.1413, 3.1398, 3.1404, 3.1401, 3.1349, 3.1376】由对等关系的有序或无序数据构成，采用线性方式组织，对应列表、数组和集合等概念
2.4 二维数据：由多个一维数据
转载
2024-09-18 11:40:00
69阅读
目录1 EXCEL里的表，从空间上来看都是二维的2 EXCEL表里的一维表，二维表概念（仅是EXCEL的概念！）2.0 属性的两种描述方式2.1 什么是一维表？2.2 什么是二维表？2.3 所谓一维表和二维表的互相转换3 例子3.1 例子13.2 例子21 EXCEL里的表，从空间上来看都是二维的从空间的占用形式来看，EXCEL本身就是一个平面软件，EXCEL里的所有表格，即使只有1行，
转载
2024-06-10 09:48:42
71阅读
一、准备python环境以Windows平台为例：1.安装python3直接默认安装，并且添加到PATH。安装完毕后在命令行输入python回车查看是否安装成功。2.更换pip源在win+R运行输入%APPDATA%，点击确定，进入C:Users\用户名\AppData\Roaming文件夹，在该文件夹下新建文件夹pip，在pip下新建文本文件，在其中填入如下内容，然后将文件命名为pip，扩展名改
转载
2023-12-31 17:58:27
80阅读
%%=========================================================================
% 函数名称：cnnsetup
% 输入参数：net，待设置的卷积神经网络；x，训练样本；y，训练样本对应标签；
% 输出参数：net，初始化完成的卷积神经网络
% 主要功能：对CNN的结构进行初始化
% 算法流程：1)
% 注意事项：1)isOc
转载
2024-05-29 06:43:51
182阅读
1 CNN概述前面搭建的全连接神经网络是最初始的神经网络模型，非常自然的想法。但是并非所有数据都适合用全连接神经网络实现，同时使用全连接的深度模型，其连接数量太大，随着层数的加深，复杂度将呈现指数级的增长趋势。对于图像数据，可以发现使用全连接神经网络训练，将会发现消耗巨大，因为根本没有考虑到图片数据的空间结构，单纯的视为数值数据进行盲目地处理，此时如果将图片上的物体进行旋转、平移和缩放等操作，就会
Facenet的实现思路一、预测部分1、主干网络介绍 facenet的主干网络起到提取特征的作用，原版的facenet以Inception-ResNetV1为主干特征提取网络。本文一共提供了两个网络作为主干特征提取网络，分别是mobilenetv1和Inception-ResNetV1，二者都起到特征提取的作用，为了方便理解，本博文中会使用mobilenetv1作
转载
2024-04-26 16:54:44
114阅读
1.算法描述
卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 。卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shift-
原创
2023-04-05 10:40:23
182阅读
1.算法描述卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 。卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（sh
转载
2024-04-25 12:11:38
330阅读
正如上一篇文章所述，CNN的最后一般是用于分类是一两个全连接层，对于前面池化层输出的二维特征图是怎么转化成一维的一个向量的呢？从上图的结构中可以看到，最后两层是两个矩形，也就是一维向量，以MNIST手写数据集为例，上层输出的特征图（Feature Map）为14*14*64大小，经过一个全连接层（这里第一个全连接层的神经元设置为1024个）之后，变成了1*1024的向量。为什么维数降低了呢？别忘了
转载
2023-12-26 21:03:52
113阅读
参考：卷积层 —— Conv1D层1. Conv1D 层1.1 语法keras.layers.convolutional.Conv1D(filters, kernel_size, strides=1, padding='valid', dilation_rate=1, activation=None, use_bias=True, kernel_initializer='glo
转载
2023-12-03 13:39:43
145阅读
目录一 Liner二 RNN三 LSTM四 LSTM 代码例子概念介绍可以参考：Pytorch中所有模型分为构造参数和输入和输出构造参数两种类型。 模型构造参数主要限定了网络的结构，如对循环网络，则包括输入维度、隐层\输出维度、层数；对卷积网络，无论卷积层还是池化层，都不关心输入维度，其构造方法只涉及卷积核大小\步长等。这里的参数决定了模型持久化后的大小. 输入和输出的构造参数
转载
2024-02-07 14:44:43
130阅读
一维搜索方法本文将介绍一维搜索方法，即寻找一元单值函数的极小点问题。其中包括黄金分割法、斐波那契数列法等，还将介绍在多维搜索算法中一维搜索方法所发挥的作用。一维问题也就是指目标函数为一元单值函数的优化问题，一维问题的求解方法统称为一维搜索方法，也称为线性搜索方法。一维搜索方法的重要性体现在以下两个方面：一维搜索方法是多变量问题求解方法的特例一维搜索方法是多变量问题求解算法的一部分在通过当前迭代点和
