目录YOLO系列算法yolo算法Yolo算法思想Yolo的网络结构网络输入网络输出7X7网格30维向量Yolo模型的训练训练样本的构建损失函数模型训练模型预测yolo总结yoloV2预测更准确（better）batch normalization使用高分辨率图像微调分类模型采用Anchor Boxes聚类提取anchor尺度边框位置的预测细粒度特征融合多尺度训练速度更快（Faster）识别对象更
转载
2024-06-18 16:12:56
191阅读
引言目标检测是计算机视觉中一个非常流行的任务，在这个任务中，给定一个图像，你预测图像中物体的包围盒(通常是矩形的) ，并且识别物体的类型。在这个图像中可能有多个对象，而且现在有各种先进的技术和框架来解决这个问题，例如 Faster-RCNN 和 YOLOv3。本文讨论将讨论图像中只有一个感兴趣的对象的情况。这里的重点更多是关于如何读取图像及其边界框、调整大小和正确执行增强，而不是模型本身。目标是很
转载
2024-09-04 11:54:48
79阅读
目录1、数据处理模块搭建 2、模型构建3、开始训练4、评估模型 5、使用模型进行预测6、保存模型1、数据处理模块搭建这里需要根据自己的数据集进行选择合适的方法，这里就以图像分类作为一个例子来说明。通常有两种方法：（1）采用torchvision中的datasets.ImageFolder来读取图像，然后采用torch.utils.data.DataLoader加载；Ps:
转载
2024-09-04 23:43:43
55阅读
# 目标识别：基于 PyTorch 的 YOLOv3 入门指南
目标识别是计算机视觉领域的一个重要任务，它涉及到识别图像中的物体，并确定它们的位置。YOLO（You Only Look Once）是一种实时目标检测系统，而 YOLOv3 则是其最新版本之一。本文将通过代码示例和概念解析，带您了解如何使用 PyTorch 实现 YOLOv3 进行目标识别。
## 什么是 YOLOv3？
YOL
# Android yoyo动画
## 简介
Android中的yoyo动画是一种常用的动画效果，它可以让控件在两个状态之间来回切换，形成一种往返的动画效果。Yoyo动画通常用于按钮点击时的反馈效果，或者在用户交互过程中的一些过渡效果上。
## 实现步骤
### 步骤一：准备工作
在实现yoyo动画之前，我们需要导入相关的库文件。在build.gradle文件中添加以下依赖：
```m
原创
2023-12-15 09:55:32
423阅读
目录21个项目玩转PyTorch实战2.1 图像分类器2.1.1 CIFAR-10数据集简介2.1.2 加载数据集2.1.3 定义卷积神经网络2.1.4 定义损失函数和优化器2.1.5 训练网络2.1.6 使用测试集评估 2.1.7 使用GPU加速2.2 ImageNet和图像识别模型2.2.1 ImageNet2.2.2 基于ImageNet的图像识别模型2.3
看了CSDN上介绍MLP的文章，有介绍原理，有介绍公式的，这篇文章是基于当时看很多篇别人的博整理的笔记（未标注原文出处，原文作者有意见请联系晴嫣，保证添加到参考链接中），MLP整体思路。 单层感知器是最简单的神经网络。它包含输入层和输出层，输入层和输出层直接相连。 单个感知器无法解决非线性问题,由多个感知器组合
转载
2023-10-24 07:22:53
142阅读
为了让用户更舒适的在某些情况下，利用动画是那么非常有必要的。Android在3.0一旦支持两种动画Tween动漫Frame动画。Tween动画支持简单的平移，缩放，旋转，渐变。Frame动画就像Gif图通过一系列图片来模拟动画效果，而在Android 3.0以后引入了新的动画就是属性动画（property animation）。 Android 分享一个简单有趣的动画效果 就是利用了属性
# PyTorch实战入门指南
在这篇文章中，我将引导你通过一个简单的PyTorch实战项目，让你了解深度学习的基本步骤及其代码实现。希望通过这个学习过程，你能对PyTorch有一个全面的认识。
## 项目流程
首先，让我们了解实现一个PyTorch项目的基本流程。这些步骤将帮助你从头到尾完成一个简单的深度学习任务。
| 步骤 | 描述 |
|-
原创
2024-10-17 12:27:31
58阅读
pytorch中nn 与 nn.functional有很多相同的函数，这里整理别人的回答说明下：https://www.zhihu.com/question/66782101/answer/579393790nn 与 nn.functional的区别两者的相同之处：
nn.Xxx和nn.functional.xxx的实际功能是相同的，即nn.Conv2d和nn.functional.conv2d
转载
2023-10-01 15:36:07
88阅读
一天我看见一个ios动画效果库 AFViewShaker, 它实现的效果很赞， 我认为Android 也需要一个这样的库，所以过了两天，我就自己创建了这个
原创
2023-07-13 12:30:21
82阅读
SiamFC论文精读笔记前言SiamFC网络结构就是全卷积的孪生网络，那么什么是孪生网络（Siamese Network）？ 孪生网络的结构如下图： 狭义的孪生神经网络由两个结构相同，且共享权重的神经网络组成。即Network1和Network2为相同的神经网络且权重值相同。 广义的孪生神经网络，也称为伪孪生神经网络，它的Network1和Network2可以是任意两个神经网络（可以不同）。 孪生
转载
2023-10-15 08:16:59
238阅读
Grad-CAM (Gradient-weighted Class Activation Mapping) 是一种可视化深度神经网络中哪些部分对于预测结果贡献最大的技术。它能够定位到特定的图像区域，从而使得神经网络的决策过程更加可解释和可视化。Grad-CAM 的基本思想是，在神经网络中，最后一个卷积层的输出特征图对于分类结果的影响最大，因此我们可以通过对最后一个卷积层的梯度进行全局平均池化来计算
转载
2023-09-24 11:08:28
238阅读
首先在paths_catalog.py文件中修改数据集修改配置文件，并将修改后的配置文件添加到train_net.py的，
原创
2023-05-18 17:11:02
76阅读
# PyTorch GAT 实战指南
在这篇文章中，我将指导你如何使用 PyTorch 实现图注意力网络（Graph Attention Network, GAT）。GAT 是一种用于处理图结构数据的深度学习模型，能够有效地捕捉节点之间的关系。以下是我们将要完成的流程。
## 实现流程
| 步骤 | 描述 |
|------|------|
| 1 | 环境准备与库安装 |
| 2
# PyTorch NLP实战指南
在学习如何使用PyTorch进行自然语言处理（NLP）之前，我们需要了解整个流程以及每一步所需的具体操作。下面是实现一个基本的NLP任务（如情感分析）的步骤概述。
## 步骤流程
| 步骤 | 描述 |
| ---- | -------------------------- |
| 1 | 数据准备与预处理
# PyTorch Batch Normalization 实战指南
在深度学习中，Batch Normalization（批量归一化）是一个非常重要的技术，它可以加速模型的收敛，并提高模型的稳定性。本篇文章旨在帮助刚入行的小白，了解如何在PyTorch中实现Batch Normalization。我们将通过一系列步骤来完成这一目标。
## 实现流程
在开始实现Batch Normaliza
Numpy 是一个非常好的框架，但是不能用 GPU 来进行数据运算。Numpy is a great framework, but it cannot utilize GPUs to accelerate its...
转载
2017-08-06 20:00:00
127阅读
2评论
# GNN实战与PyTorch：新手入门指南
在机器学习和深度学习领域，图神经网络（GNN）是近年来备受瞩目的技术之一。对于刚入行的小白来说，理解和实现GNN可能会有些挑剔。本文将带你通过一个简单的流程，手把手实现一个基本的GNN模型，使用PyTorch框架。本指南包括流程步骤、代码实例以及相应的图示。
## 1. 流程步骤
下面是实现GNN的主要步骤：
| 步骤 | 描述 |
| ---
# PyTorch图像实战
PyTorch是一个基于Python的深度学习框架，它提供了一个灵活而强大的平台，用于构建和训练神经网络。在本文中，我们将介绍如何使用PyTorch进行图像处理和图像分类任务。我们将从加载和预处理图像数据开始，然后构建一个简单的卷积神经网络模型，并使用该模型对图像进行分类。
## 加载和预处理图像数据
在开始之前，我们需要加载图像数据并进行预处理。PyTorch提
原创
2023-08-20 03:27:54
74阅读
