《深度学习笔记》第17页

深度学习笔记（二）图像分类实践

深度学习笔记（二）图像分类实践使用keras中的ResNet模型进行图像处理记忆预测importkeras#importtensorflowfromkeras.applications.resnet_v2importpreprocess_input

小菜·2022-07-21 18:29

深度学习笔记[1]: CNN for CV斯坦福CS231n (1)

XiaoPing88Eric·2022-07-19 19:52

深度学习笔记（四）：卷积神经网络week2--深度卷积网络：实例探究

1.为什么要进行实例探究（Whylookatcasestudies）本周课程将主要介绍几个典型的CNN案例。通过对具体CNN模型及案例的研究，来帮助我们理解知识并训练实际的模型。典型的CNN模型包括：LeNet-5AlexNetVGG除了这些性能良好的CNN模型之外，我们还会介绍ResidualNetwork（ResNet）。其特点是可以构建很深很深的神经网络（目前最深的好像有152层）。另外，还

还好江南·2022-07-13 07:38

深度学习笔记(十三):IOU、GIOU、DIOU、CIOU、EIOU、Focal EIOU、alpha IOU损失函数分析及Pytorch实现

文章目录IOU-lossGIOU-lossDIOU-lossCIOU-lossEIOU-loss和FocalEIOU-lossalphaIOU总对比参考链接：IOU-loss算法作用：Iou的就是交并比，预测框和真实框相交区域面积和合并区域面积的比值，计算公式如下，Iou作为损失函数的时候只要将其对数值输出就好了。算法代码：defIou_loss(preds,bbox,eps=1e-6,reduc

ZZY_dl·2022-07-12 07:28

HALCON 21.11：深度学习笔记---异常检测(9)

HALCON21.11：深度学习笔记---异常检测(9)HALCON21.11.0.0中，实现了深度学习方法。本章介绍了如何使用基于深度学习的异常检测。通过异常检测，我们想要检测图像是否包含异常。

机器视觉001·2022-07-12 07:58

HALCON 20.11：深度学习笔记(9)---异常检测

HALCON20.11：深度学习笔记(9)---异常检测HALCON20.11.0.0中，实现了深度学习方法。本章解释了如何使用基于深度学习的异常检测。通过异常检测，我们想要检测图像是否包含异常。

机器视觉001·2022-07-12 07:27

深度学习笔记------注意力机制

目录1.什么是注意力机制1.1Encoder-Decoder框架（编码-解码框架）1.2注意力的基础模型2空间注意力模型2.1什么是空间注意力模型2.2典型的空间注意力模型3通道注意力机制3.1什么是通道注意力3.2通道注意力机制典型网络4空间和通道混合注意力机制5，总结1.什么是注意力机制当我们人类在看东西时，一般会将注意力集中注视着某个地方，而不会关注全部所有信息。例如当我们一看到下面这张猫的

YOULANSHENGMENG·2022-07-10 13:54

深度学习笔记（40） YOLO

深度学习笔记（40）YOLO1.YOLO对象检测算法2.构造训练集3.预测3.非极大值抑制1.YOLO对象检测算法之前已经学到对象检测算法的大部分组件：博文组件作用深度学习笔记（32）目标定位目标定位标记目标位置深度学习笔记

氢键H-H·2022-07-03 07:12

YOLOv5 使用入门

YOLOv5使用入门1.源码准备2.例子3.运行1.源码准备在很早之前，在《深度学习笔记（40）YOLO》提及到YOLO目标检测目前已经出到了YOLOv5，源码放在Github上$gitclonehttps

氢键H-H·2022-07-03 07:27

动手学深度学习笔记（一）——权重衰退

一直在csdn上学习别人发的博客，第一次尝试自己写博客，今天周日，在实验室小学一会，发现自己有些不明白的点突然想明白了，想记录一下在学习过程中遇到的难点或者有些迷惑的地方，希望自己以后能掌握牢固，并把自己的一些看法分享给大家，欢迎一起讨论。目录一、引言二、权重衰退的作用和原因1、为什么权重矩阵稀疏可以防止过拟合?2、为何权重参数w减小就可以防止过拟合?其他缓解过拟合的方法：三、权重衰退的实现通过限

SaltyFish_Go·2022-07-01 07:03

跟着李沐大神动手深度学习笔记——权重衰退

使用均方范数作为硬性限制如下所示，其中l是我们要优化的损失函数，w和b是两个参数。w为权重，b为偏移，使用均方范数作为柔性限制以上可以通过拉格朗日乘子来证明，超参数λ\lambdaλ控制了正则项的重要程度。其中，w∗w^*w∗表示www的最优解。λ=0:\lambda=0:λ=0:无作用，即不会影响w的取值，等价于之前的θ−>∞\theta->\inftyθ−>∞λ−>∞\lambda->\inf

非生而知之者·2022-07-01 07:41

深度学习笔记（4）: Xavier神经网络参数初始化方法

代码：defxavier_init(fan_in,fan_out,constant=1):low=-constant*np.sqrt(6.0/(fan_in+fan_out))high=constant*np.sqrt(6.0/(fan_in+fan_out))returntf.random_uniform((fan_in,fan_out),minval=low,maxval=high,dtype

梅津太郎·2022-07-01 07:19

深度学习笔记 —— 权重衰退 + 丢弃法

硬性限制柔性限制“罚”（即后一项）的引入，使得最优解往原点走，使得w的绝对值会小一些，从而降低了整个模型的复杂度为什么要用权重衰退呢？因为数据中有噪音存在，往往使得w比较大，从而使模型得到的解与最优解相比，w会比较大。当我们采用权重衰退的方法以后，会把w拉小，因此更容易将解拉到最优解附近。此处噪音不是指固定噪音，而是随机噪音。加入了噪音，但并不希望期望有所改变dropout是一个正则项，正则项只在

Whisper_yl·2022-07-01 07:10

【深度学习笔记】自建交通标志分类数据集转换为MNIST数据格式

文章目录前言一、自建交通标志分类数据集并做预处理1.RGB图像转灰度图像2.灰度图像缩放为28*28尺寸二、转换为MNIST数据格式1.转换代码如下2.转换过程打印如下3.最终转换结果总结前言提示：个人分类数据集预处理：MNIST是经典的手写数字分类数据集，数据集中的图像是灰度图像，图像格式为png，图像尺寸为28*28，最主要的是MNIST数据集格式如下图所示。我们怎么把自己制作的分类数据集中j

雨果先生·2022-06-30 07:58

【深度学习笔记】飞桨PP-PicoDet算法训练自己数据（过程超详细）

前言最近在研究目标检测算法–PP-PicoDet算法（百度自研**)，2021年11月份新鲜出炉。官方介绍说，性能优于YOLOV5、YOLOX等算法，主要是轻量化部署贡献很大，比如在相同的精度下，PP-PicoDet推理速度高出YOLOv5s44%，可谓NB，所以作者第一步先搭建环境，试跑一下，记录使用PP-PicoDet算法在paddle框架下训练模型的整个过程，供大家参考交流，欢迎提问。PP-

雨果先生·2022-06-30 07:28

【深度学习笔记】目标检测之区域入侵判断代码

应用背景目标检测应用落地时，经常会有区域入侵的判断需求，本文主要记录一种简单高效的判断方法。不过区域划分目前只能是矩形，还不支持不规则区域。思路判断目标框是否与矩形区域有重叠。区域入侵代码代码片.#include#includeusingnamespacestd;typedefstructrectangle{floatcenterX;floatcenterY;floatwidth;floathei

雨果先生·2022-06-30 07:57

深度学习笔记七：循环神经网络RNN(基本理论)

参考:RECURRENTNEURALNETWORKSTUTORIAL,PART1–INTRODUCTIONTORNNSACriticalReviewofRecurrentNeuralNetworksforSequenceLearning李宏毅机器学习(2017)为了印象更加直观,这里贴一个前面例子的动图.到这里,关于RNN最基本的概念和运算方式就讲完了.---------------------本

喜欢打酱油的老鸟·2022-06-23 22:40

基于Seq2Seq的机器翻译-PyTorch

动手学深度学习笔记一、机器翻译1.下载和预处理数据集2.构建词表3.加载数据集二、编码器-解码器架构三、Seq2Seq1.编码器2.解码器3.损失函数4.训练5.预测6.预测序列的评估一、机器翻译机器翻译指将序列从一种语言自动翻译成另一种语言

葫芦娃啊啊啊啊·2022-06-23 07:40

深度学习笔记（三十四）经典卷积神经网络：LeNet-5 AlexNet VGG-16

文章目录一、LeNet-5二、AlexNet三、VGG-16一、LeNet-5CONV16个过滤器，过滤器尺寸为5，步长为1，填充为0POOL1过滤器尺寸为2，步长为2CONV216个过滤器，过滤器尺寸为5，步长为1，填充为0POOL2过滤器尺寸为2，步长为2FC3全连接层120个神经元FC4全连接层84个神经元OUTPUT输出层10个神经元Softmax回归需要注意的几点：在LeNet-5中，池

Mr.zwX·2022-06-23 07:02

用RNN & CNN进行情感分析 - PyTorch

动手学深度学习笔记一、情感分析及数据集1.读取数据集2.预处理数据集二、利用RNN进行情感分析1.使用RNN表示单个文本2.加载预训练的词向量3.训练和评估模型4.预测三、利用CNN进行情感分析1.一维卷积

葫芦娃啊啊啊啊·2022-06-23 07:12

李宏毅深度学习笔记 ---- 简介

文章目录概述大致类别回归二分类多分类生成具体方式监督学习增强学习无监督学习前沿研究异常检测迁移学习领域对抗学习元学习终身学习后话概述简单来说，深度学习的目的在与找到一个函数，并且该函数能帮助我们完成一些任务。至于是怎么样的一个数学函数，可能目前没人能够给出十分准确的解释，也没有人能够写出类似的复杂的数学函数。大致类别回归回归的目的，在于能够利用输入的数据和函数，来输出一个数值，整个流程可以用下图为

时闻折竹·2022-06-18 07:14

【深度学习笔记】五步教你使用Pytorch搭建神经网络并训练

文章目录前言一、准备数据&加载数据1.准备数据（分类）2.加载数据二、定义损失函数1自定义损失函数或者使用Pytorch中现有的三、定义网络四、定义优化器五、迭代训练总结前言针对刚接触深度学习的小伙伴，肯定很想自己亲手搭建一个网络模型，训练模型。今天作者就五步教大家简单快速搭建一个分类网络，并训练模型，希望对初学者有一定帮助，欢迎大家收藏关注，作者将不断分享更新深度学习中的一些重要知识点。一、准备

雨果先生·2022-06-18 07:40

【深度学习】：《PyTorch入门到项目实战》（十三）卷积神经网络：多通道输入和多通道输出

【深度学习】：《PyTorch入门到项目实战》（十三）卷积神经网络：多通道输入和多通道输出✨本文收录于【深度学习】：《PyTorch入门到项目实战》专栏，此专栏主要记录如何使用PyTorch实现深度学习笔记

JoJo的数据分析历险记·2022-06-17 07:34

Sigmoid和Relu激活函数的对比

深度学习笔记（4）——Sigmoid和Relu激活函数的对比https://blog.csdn.net/qq_21190081/article/details/64127103Relu是一个非常优秀的激活哈数

bl128ve900·2022-06-17 07:41

注意力、自注意力和多头注意力

动手学深度学习笔记一、注意力评分函数1.maskedsoftmax2.加性注意力3.缩放点积注意力二、使用注意力机制的Seq2Seq1.重新定义上下文向量2.定义注意力解码器三、多头注意力1.模型2.代码实现四

葫芦娃啊啊啊啊·2022-06-16 01:35

【深度学习】：《PyTorch入门到项目实战》（十二）卷积神经网络：填充(padding)和步幅(stride)

深度学习】：《PyTorch入门到项目实战》（十二）填充(padding)和步幅(stride)✨本文收录于【深度学习】：《PyTorch入门到项目实战》专栏，此专栏主要记录如何使用PyTorch实现深度学习笔记

JoJo的数据分析历险记·2022-06-14 10:14

深度学习（十二）：经典CNN

编程语言：Python参考资料：吴恩达老师的深度学习系列视频吴恩达老师深度学习笔记整理深度学习500问笔记下载：深度学习个人笔记完整版CNN网络发展CNN受生物自然视觉认知机制启发而来。

打不死的小黑·2022-06-13 13:32

【深度学习】《PyTorch入门到项目实战》（十一）：卷积层

【深度学习】：《PyTorch入门到项目实战》（十一）：卷积层✨本文收录于【深度学习】：《PyTorch入门到项目实战》专栏，此专栏主要记录如何使用PyTorch实现深度学习笔记，尽量坚持每周持续更新，

JoJo的数据分析历险记·2022-06-11 07:03

【深度学习】：《PyTorch入门到项目实战》第10天：梯度爆炸、梯度消失、梯度检验

【深度学习】：《PyTorch入门到项目实战》第10天：梯度爆炸、梯度消失、梯度检验✨本文收录于【深度学习】：《PyTorch入门到项目实战》专栏，此专栏主要记录如何使用PyTorch实现深度学习笔记，

JoJo的数据分析历险记·2022-06-01 07:41

深度学习笔记之优化算法

文章目录一.优化算法1.1基本算法1.1.1随机梯度下降(SGD)1.1.2动量1.2自适应学习率算法1.2.1AdaGrad1.2.2RMSProp1.2.3Adam1.2.4其他优化算法：AdaMaxNadamAMSGrad1.3牛顿法拟牛顿法：二.一些优化算法的代码实现2.1批量随机梯度下降：2.2带动量的梯度下降2.3Adam参考文献一.优化算法1.1基本算法1.1.1随机梯度下降(SGD

刘皮狠·2022-05-31 07:05

【深度学习】：《100天一起学习PyTorch》第九天：Dropout实现（含源码）

【深度学习】：《100天一起学习PyTorch》第九天:Dropout实现✨本文收录于【深度学习】：《100天一起学习PyTorch》专栏，此专栏主要记录如何使用PyTorch实现深度学习笔记，尽量坚持每周持续更新

JoJo的数据分析历险记·2022-05-30 07:03

【深度学习】：《100天一起学习PyTorch》第八天：权重衰退（含源码）

【深度学习】：《100天一起学习PyTorch》第八天：权重衰退（含源码）✨本文收录于【深度学习】：《100天一起学习PyTorch》专栏，此专栏主要记录如何使用PyTorch实现深度学习笔记，尽量坚持每周持续更新

JoJo的数据分析历险记·2022-05-29 08:52

【深度学习】：《100天一起学习PyTorch》第七天之模型评估和选择（上）：欠拟合和过拟合（含源码）

【深度学习】：《100天一起学习PyTorch》模型评估和选择（上）：欠拟合和过拟合✨本文收录于【深度学习】：《100天一起学习PyTorch》专栏，此专栏主要记录如何使用PyTorch实现深度学习笔记

JoJo的数据分析历险记·2022-05-27 07:25

深度学习笔记：主成分分析（PCA）（1）——标准化、协方差、相关系数和协方差矩阵

深度学习笔记：主成分分析（PCA）（1）——标准化、协方差、相关系数和协方差矩阵笔者在学习主成分分析（PCA）的时候接触到了协方差矩阵的应用。

aaronwu2·2022-05-25 07:16

深度学习笔记（四）—— 神经网络结构[Neural Network Architectures]

这是深度学习笔记第四篇，完整的笔记目录可以点击这里查看。本博客主要讲解一下神经网络的结构，具体的实现可以查看这篇博客。神经网络被建模为在一个非循环图中连接的神经元的集合。

zeeq_·2022-05-24 07:23

深度学习笔记——深度学习框架TensorFlow之MLP（十四）

MLP多层感知器的使用，多层感知器，常用来做分类，效果非常好，比如文本分类，效果比SVM和bayes好多了。感知器学习算法基本介绍单层感知器：感知器（SingleLayerPerceptron）是最简单的神经网络，它包含输入层和输出层，而输入层和输出层是直接相连的。上图是一个单层感知器，很简单的结构，输入层和输出层直接相连。下面介绍一下如何计算输出端：利用格式1计算输出层，首先，计算输出层中，每一

R3·2022-05-24 07:19

深度学习笔记（3）基于Tensorflow的多元线性回归：预测波士顿房价

问题描述给定波士顿地区一系列地区租房的价格，然后罗列出了收集到多个因素，每个因素已经是量化好。现在给定的要求是，使用一个多元线性模型去拟合这些数据，然后用于预测。模型price=f(x1,x2,...,xn)=∑i=1nwixi+bprice=f(x_1,x_2,...,x_n)=\sum\limits_{i=1}^{n}w_ix_i+bprice=f(x1,x2,...,xn)=i=1∑nwix

小柯同学_2019·2022-05-24 07:02

深度学习笔记（一）——感知机模型（Perceptron Model）

零、引言感知机，也叫单层神经网络，是最基础的神经网络模型结构。神经网络模型由生物神经中得到启发。在生物神经元细胞中，神经突触接收到信号，经过接收并处理信号后判断信号的信息强弱，来做出不同神经电位变化反应。受此启发，科研人员设计出基础的神经网络模型结构，神经元模型（NeuronModel）。一、神经元模型下图为一个最简单的“M-P神经元结构”，该模型1943年提出，并一直沿用至今：从模型示意图看，对

AD稳稳·2022-05-24 07:28

深度学习笔记

博客用于记录深度学习各部分的学习记录，由于主要从事自然语言处理及数据挖掘方面的工作，CV方向常用模型不是很了解，大概整理的是NLP方向的学习脉络。陆续补充中。大概目录会按照1.感知机（Perceptron；->MLP，MultilayerPerceptron，多层感知机）主要介绍单层感知机，也即是一层神经网络的概念及计算方式。引出多层感知机的概念链接：感知机学习笔记2.ANN（Artificial

AD稳稳·2022-05-24 07:58

深度学习笔记（二）——从多层感知机模型（MLP）到人工神经网络模型（ANN）

一、人工神经网络定义广义上来说，由神经元模型构成的模型就可以称之为人工神经网络模型。神经元模型已经在上一篇感知机的笔记中进行介绍。上一篇也提到，两层神经元模型即可组成最简单的感知机模型，其中第一层称为输入层，第二层称为输出层。由于单层感知机的学习能力限制，科研人员又提出将多个感知机组合到一起，构成了多层感知机（MultilayerPerceptron）模型。本文主要来介绍最基础的人工神经网络模型—

AD稳稳·2022-05-24 07:23

山东大学项目实训十一——吴恩达深度学习笔记

笔记已免费上传https://download.csdn.net/download/fangjiayou/85431944为什么使用深层表示？（Whydeeprepresentations?）我们都知道深度神经网络能解决好多问题，其实并不需要很大的神经网络，但是得有深度，得有比较多的隐藏层，这是为什么呢？我们一起来看几个例子来帮助理解，为什么深度神经网络会很好用。首先，深度网络在计算什么？首先，深

fangjiayou·2022-05-23 07:54

【深度学习】：《100天一起学习PyTorch》第六天：多层感知机（含代码）

【深度学习】：《100天一起学习PyTorch》第六天：多层感知机（含代码）✨本文收录于【深度学习】：《100天一起学习PyTorch》专栏，此专栏主要记录如何使用PyTorch实现深度学习笔记，尽量坚持每周持续更新

JoJo的数据分析历险记·2022-05-22 21:09

AIQ - deeplearning.ai 全套吴恩达老师的深度学习课程笔记及资源在线阅读

http://www.6aiq.com/deeplearning_ai/html/SUMMARY.html深度学习笔记目录第一门课神经网络和深度学习(NeuralNetworksandDeepLearning

研发之道·2022-05-21 07:48

李沐基于Pytorch的深度学习笔记（8）-基础优化算法（附代码）

fromsklearn.datasetsimportload_bostonimportjoblibfromsklearn.linear_modelimportLinearRegression,SGDRegressor,Ridgefromsklearn.metricsimportmean_squared_errorfromsklearn.model_selectionimporttrain_test

Reedsway在重庆·2022-05-20 07:40

李沐基于Pytorch的深度学习笔记（7）-线性回归的基本实现（附代码）

1线性回归的实现这里我参考了这两篇博客线性回归及python代码实现___zachary的博客-CSDN博客_python线性回归代码python机器学习手写算法系列——线性回归_juwikuang的专栏-CSDN博客_python机器学习由于李沐老师的课程中使用的d2l和我安装的部分库存在冲突，所以我没有使用他的方法进行线性回归。整体的步骤和我们上面讲到的一个模型步骤是一样的。1.1数据生成im

Reedsway在重庆·2022-05-20 07:10

李沐基于Pytorch的深度学习笔记（6）-线性回归和基础优化算法（附代码）

代码章节：李沐基于Pytorch的深度学习笔记（7）-线性回归的基本实现（附代码）_m0_57628341的博客-CSDN博客1基础优化算法线性回归的前提，我们就需要一些优化方法。