【深度学习实战】第9页

学习笔记(01):Fast.ai 深度学习实战课程「中文字幕」-Fast.ai 深度学习实战课程第0课...

立即学习:https://edu.csdn.net/course/play/5192/94130?utm_source=blogtoedu学习了

lyhk21·2022-11-20 22:53

Fast.ai 深度学习实战课程「中文字幕」

1、Fast.ai深度学习实战课程「中文字幕」--深度学习视频教程-人工智能-CSDN程序员研修院2、介绍：fastai是一个pytorch的高级封装库，安装非常简单，安装完pytorch以后，再使用pipinstallfastai-ihttps

javastart·2022-11-20 22:17

pytorch深度学习实战lesson21

第二十一课卷积神经网络之池化层卷积神经网络的一个重要概念就是池化层，一般是在卷积层之后。池化层对输入做降采样，常用的池化做法是对每个滤波器的输出求最大值，平均值，中位数等。下面我们和沐神详细学习一下池化层的原理与实现方法吧！目录理论部分实践部分理论部分下面举一个老的例子。对于X矩阵，卷积层可以很容易得把1-0的边缘检测处来，也就是说，卷积对位置信息十分的敏感。但是仔细想想，这貌似也不是啥好东西，因

光·宇·2022-11-20 12:14

深度学习实战之MINIST数据集

目录1.数据介绍2.关于类和标签的说明3.数据类型说明4.模型训练1.数据介绍来看一个具体的神经网络示例，使用Python的Keras库来学习手写数字分类。这里要解决的问题是，将手写数字的灰度图像（28像素×28像素）划分到10个类别中（0~9）。我们将使用MNIST数据集，它是机器学习领域的一个经典数据集。这个数据集包含60000张训练图像和10000张测试图像，由美国国家标准与技术研究院（Na

赵孝正·2022-11-20 07:46

pytorch深度学习实战lesson20

第二十课卷积层的多输入和多输出通道目录理论部分多输入通道多输出通道实践部分理论部分多输入通道假设图片大小是200*200的话，那么用张量表示这个图片的话就是200*200*3，因为彩色图片是由红、绿、蓝三个通道构成的，因此表示一个彩色图片的时候要将这三原色的信息也给表示出来。那么舒润有多个通道的话要怎么计算呢？多通道的话就是每个通道都做次卷积，卷积核的维度是一样的，但是数值不一定是一样的。每个通道

光·宇·2022-11-19 13:20

深度学习实战 3 数据集处理

目录1.Json格式的数据集标签转化为有效的txt格式2.数据集划分3.数据集标注4.一些数据集1.Json格式的数据集标签转化为有效的txt格式#处理同一个数据集下多个json文件时，仅运行一次class_txt即可#或者更改对应文件夹名称importjsonimportos"存储标签与预测框到txt文件中"defjson_txt(json_path,txt_path):"json_path:需

李同学_道阻且行·2022-11-19 01:08

深度学习实战 Pycharm 代码调试报错集合

目录0.Pycharm安装1.YOLO5pipinstall-rrequirements.txt安装在pycharm上安装失败1.1找不到文件1.2提示网络连不上（类似下图），换用清华镜像1.3提示编码错误（如图）2pycocotools安装报错解决2.1在线安装：2.2pycococtools的安装包3其他报错4python读取文件时，抛异常：5.Inputtype(torch.FloatTen

李同学_道阻且行·2022-11-19 01:07

深度学习实战 2 YOLOv5 添加CBAM、CA注意力机制

YOLOv5结合注意力机制有两种策略：注意力机制结合Bottleneck，替换backbone中的所有C3模块在backbone单独加入注意力模块1.CBAM论文《CBAM:ConvolutionalBlockAttentionModule》：https://arxiv.org/pdf/1807.06521.pdf核心算法是：通道注意力模块（ChannelAttentionModule，CAM)+

李同学_道阻且行·2022-11-19 01:07

深度学习实战 1 YOLOv5结合BiFPN

目录1.BiFPN论文简介2.在Common.py中添加定义模块(Concat)3.将类名加入进去，修改yolo.py4.修改train.py5.修改配置文件yolov5.yaml1.BiFPN论文简介论文《EfficientDet:ScalableandEfficientObjectDetection》地址：https://arxiv.org/abs/1911.09070BiFPN全称Bidir

李同学_道阻且行·2022-11-19 00:55

pytorch深度学习实战lesson18

第十八课卷积层卷积是深度学习最重要的概念之一，下面来学习和回顾一下卷积的基本概念。目录理论部分从全连接层到卷积层卷积层实践部分理论部分从全连接层到卷积层还是从一个例子开始：假设我要对猫和狗进行分类。假设我用一千二百万像素的手机拍照，排成的图片是RGB图片（有3个通道），RGB图像有三千六百万个元素。假设用隐藏层大小为100的mlp进行训练的话，这个模型就要有36亿个参数，远远多于世界上猫狗的总量了

光·宇·2022-11-18 08:01

pytorch深度学习实战lesson16

第十六课神经网络基础本节课主要是从实践代码的角度看神经网络的各个结构，以及各个结构的实现方法。虽然没有太多理论，但是精华都在代码的注释中~目录模型构造（层和块）参数管理自定义层读写文件模型构造（层和块）#层和块#首先，我们回顾一下多层感知机importtorchfromtorchimportnnfromtorch.nnimportfunctionalasF#一些函数#单层神经网络=线性层+relu

光·宇·2022-11-18 08:00

pytorch深度学习实战lesson17

第十七课GPUisalluneed可以在终端输入nvidia-smi来看自己的显卡信息。然后就是关于GPU的一些操作。这里要提醒的一点就是，程序的计算一定要选好是使用GPU进行计算还是使用CPU，因为本来CPU往GPU传输数据的时间就长，所以假如你没有设置好计算的设备，或者设置乱了的话，就会导致你设置出来的东西性能没有那么好。所以要三思。#计算设备importtorchfromtorchimpor

光·宇·2022-11-18 08:00

pytorch深度学习实战

3.4命名张量einsum方法详解（爱因斯坦求和）einsum是pytorch、numpy中一个十分优雅的方法，如果利用得当，可完全代替所有其他的矩阵计算方法，不过这需要一定的学习成本。本文旨在详细解读einsum方法的原理，并给出一些基本示例。一、爱因斯坦求和爱因斯坦求和是一种对求和公式简洁高效的记法，其原则是当变量下标重复出现时，即可省略繁琐的求和符号。比如求和公式：其中变量a与变量b的下标是

shuaiqidexiaojiejie·2022-11-18 08:29

Pytorch深度学习实战（二之课后作业）

Pytorch深度学习实战（二之课后作业）刘二大人:视频连接importnumpyasnpimportmatplotlib.pyplotaspltfrommpl_toolkits.mplot3dimportAxes3Dimportwarnings

学习砖家·2022-11-18 08:58

PyTorch深度学习实战：从新手小白到数据科学家电子书

作者：张敏著出版社:电子工业出版社ISBN：9787121388293出版时间:2020-08-01PyTorch深度学习实战：从新手小白到数据科学家

普通网友·2022-11-18 08:57

pytorch深度学习实战19

第十九课卷积层的填充和步幅目录理论部分实践部分理论部分首先看一下卷积层的填充。上图所示的情况会有个问题，如果卷积核不变的话（一直是5*5的卷积核），那么我的网络最多也就只能弄到第七层了，如果我想搭建更深的网络的话是不被允许的。那么填充就是可以解决这个问题。填充的基本思想是在输入的四周添加0元素，以达到输出比之前更大的目的。填充的行数和列数的选取是有讲究的，如下图所示，填充完毕后它的输出与填充之前的

光·宇·2022-11-18 08:56

一文了解深度学习实战——预测篇

本文将从四个案例房价预测、泰坦尼克号生还预测、股票预测、影评情感预测入手，让童鞋们从实战角度快速入门深度学习的预测部分！目录房价预测基于决策树回归器（DecisionTreeRegressor）基于Keras泰坦尼克号生还预测基于Sklearn基于Keras股票预测影评的情感分析基于TensorFlow基于Keras房价预测基于决策树回归器（DecisionTreeRegressor）数据文件在这

全栈O-Jay·2022-11-17 17:53

《Web安全之深度学习实战》笔记：第十一章 Webshell检测

本小节通过机器学习算法来识别webshell，较新的知识点是opcode。一、webshellWebShell就是以ASP、PHP、JSP或者CGI等网页文件形式存在的一种命令执行环境，也可以将其称为一种网页后门。黑客在入侵了一个网站后，通常会将ASP或PHP后门文件与网站服务器Web目录下正常的网页文件混在一起，然后就可以使用浏览器来访问ASP或者PHP后门，得到一个命令执行环境，以达到控制网站

mooyuan·2022-11-17 17:47

Keras深度学习实战（36）——基于编码器-解码器的机器翻译模型

Keras深度学习实战（36）——基于编码器-解码器的机器翻译模型0.前言1.模型与数据集分析1.1数据集分析1.2模型分析2.基于编码器-解码器结构的机器翻译模型2.1基于编码器-解码器体系结构2.2

盼小辉丶·2022-11-16 10:07

这本PyTorch官方出品的Deep Learning With PyTorch终于有了中文版

中文名：PyTorch深度学习实战本书作者EliStevens职业生涯的大部分时间都在美国硅谷的初创公司工作，从软件工程师（网络设备制造业）到首席技术官（开发肿瘤放疗软件）。

人邮异步社区·2022-11-12 15:08

Pytorch100例-第1天：实现mnist手写数字识别第1天

请在文章开头注明以下内容，复制粘贴即可本文为365天深度学习训练营中的学习记录博客参考文章：365天深度学习训练营-第P1周：实现mnist手写数字识别（训练营内部成员可读）原作者：K同学啊|接辅导、项目定制⏲往期文章：深度学习实战训练

Jessica2017lj·2022-11-12 15:05

【Pytorch深度学习实战】（4）前馈神经网络（FNN）

大家好，我是Sonhhxg_柒，希望你看完之后，能对你有所帮助，不足请指正！共同学习交流个人主页－Sonhhxg_柒的博客_CSDN博客欢迎各位→点赞+收藏⭐️+留言系列专栏-机器学习【ML】自然语言处理【NLP】深度学习【DL】foreword✔说明⇢本人讲解主要包括Python、机器学习（ML）、深度学习（DL）、自然语言处理（NLP）等内容。如果你对这个系列感兴趣的话，可以关注订阅哟FNN模

Sonhhxg_柒·2022-11-11 23:18

一文了解深度学习实战——分类篇

本文将从两个案例MNIST手写数字识别、狗的品种识别入手，让童鞋们从实战角度快速入门深度学习的分类部分！目录MNIST手写数字识别TensorFlow搭建MLPTensorFlow搭建CNNKeras搭建MLPKeras搭建CNN狗的品种识别Keras搭建CNN迁移学习（InceptionV3）MNIST手写数字识别TensorFlow搭建MLPimportnumpyasnpimporttenso

全栈O-Jay·2022-11-11 10:26

深度学习实战第7章循环神经网络笔记

第7章循环神经网络1.前馈神经网络总是单向的，从输入层到低级隐层，再从低级隐藏层到高级隐藏层，最后再到输出层。但不管网络有多少层，都是一层一层地前向输出。但这其实是有问题的，因为这种前馈结构需要假设数据是独立同分布，但现实中有很多复杂的数据都不满足这个条件，例如音频数据、视频数据及自然语言数据等。2.当我们将一篇英文文本翻译成中文文本时，句子之间，段落之间是存在上下文关系的，在特定的情景中单词的意

醉一心·2022-11-10 13:47

pytorch深度学习实战lesson7

第七课矩阵求导本节课我们将把矩阵与导数结合到一起，学会矩阵求导操作后，对以后的优化模型有很大的帮助。标量的导数（高中学的）亚导数我理解的亚导数就是对导数不存在的函数求导，然后得到的分段的导数就是亚导数。梯度1、当y是标量，x是向量。它求导之后变成行向量。举个例子：2、当y是向量，x是标量。它求导之后变成列向量。3、当y是向量，x是向量。它求导之后是矩阵。标量对标量求导是标量；标量对向量求导是向量；

光·宇·2022-11-10 11:20

pytorch深度学习实战lesson8

第八课自动求导理论部分求导主要是有两种方式，第一种是符号求导，第二种是数值求导。自动求导的内部其实是计算图，计算图是将代码分解成操作子，将计算表示成一个无环图。计算图的显式构造：（mxnet）计算图的隐式构造：（mxnet）反向累计是比较常用的。总结：构造计算图前向：执行图，存储中间结果（设置中间变量）反向：从相反的方向执行图去除不需要的枝深度学习耗GPU资源体现在内存复杂度上面。因为求梯度时需要

光·宇·2022-11-10 11:20

pytorch深度学习实战lesson6

第六课线性代数理论部分C是绿色的线，b是蓝色的线。矩阵的乘法相当于是空间上的扭曲。绿色的向量没有被改变方向，所以它是特征向量。实践部分标量向量可以使用arrange函数生成一个张量，并通过张量的索引来访问任意元素。可以将张量视为标量值组成的列表。使用len函数可以查看向量的长度，使用向量.shape可以查看向量的大小。矩阵使用第13行的语句创建一个20个元素，5行4列的矩阵；使用矩阵.T可完成对矩

光·宇·2022-11-10 11:19

pytorch深度学习实战lesson9

第九课线性回归理论部分线性回归案例：美国房价预测系统估价和自己实际付的钱要保持差不多的关系才能使自己赚到，那怎么样才能赚到呢，那就得有一个量良好的预估手段。下面做出两个假设：线性模型可以看做是单层的神经网络每个箭头代表一个权重，输出是o1，输入是xn神经网络其实源于神经科学，下图是真实的神经元：有了模型之后，就要对其进行预测了，放在上面的案例里面讲也就是比较房价的真实值和预估值。这个相当于是神经网

光·宇·2022-11-10 11:15

从头训练一个神经网络！教它学会莫奈风格作画！⛵

作者：韩信子@ShowMeAI深度学习实战系列：https://www.showmeai.tech/tutorials/42PyTorch实战系列：https://www.showmeai.tech/tutorials

·2022-11-09 14:47

Keras深度学习实战（35）——构建机器翻译模型

Keras深度学习实战（35）——构建机器翻译模型0.前言1.模型与数据集分析1.1模型分析1.2数据集分析2.实现机器翻译模型2.1预处理数据2.2传统多对多架构2.3使用具有多个隐藏层的模型架构小结系列链接

盼小辉丶·2022-11-09 10:08

【HSI】高光谱的数据集分类深度学习实战及代码理解

【HSI】高光谱的数据集分类深度学习实战及代码理解文章目录【HSI】高光谱的数据集分类深度学习实战及代码理解一、配置文件编写二、高光谱图像的处理2.1图像数据变换2.2数据整合2.3数据索引三、数据集四

川川子溢·2022-11-09 07:36

《Web安全之深度学习实战》笔记：第十二章智能扫描器（1） XSS攻击载荷

《Web安全之深度学习实战》笔记：第三章循环神经网络_mooyuan的博客-CSDN博客一、扫描器漏洞扫描主要就是基于扫描器，扫描器是安全领域非常重要的一个工具，大多数安全公司都会有自己的扫描器产品。

mooyuan·2022-11-09 03:53

深度学习入门（5）如何对神经网络模型训练结果进行评价

如何对神经网络模型训练结果进行评价上一篇文章《深度学习入门（4）【深度学习实战】无框架实现两层神经网络的搭建与训练过程》介绍了基于mnist的手写体数字集的两层神经网络的搭建与训练过程，通过损失函数的训练结果我们可以发现

阿_旭·2022-11-08 11:26

Pytorch训练过程可视化

PyTorch深度学习实战笔记1.TensorBoardTensorBoard是TensorFlow提供的一组可视化工具（ASuiteofVisualizationTools），可以帮助开发者理解、调试和优化

眕眕·2022-11-07 10:35

Keras深度学习实战（33）——基于LSTM的序列预测模型

Keras深度学习实战（33）——基于LSTM的序列预测模型0.前言1.序列学习任务1.1命名实体提取1.2文本摘要1.3机器翻译2.从输出网络返回输出序列2.1传统模型体系结构2.2返回每个时间戳的网络中间状态序列

盼小辉丶·2022-11-06 09:48

Keras深度学习实战（34）——构建聊天机器人

Keras深度学习实战（34）——构建聊天机器人0.前言1.模型与数据集分析1.1命名实体识别1.2数据集分析1.3模型分析2.实现聊天机器人2.1命名实体提取模型2.2意图提取模型2.3模型整合小结系列链接

盼小辉丶·2022-11-06 09:17

五、肺癌检测-数据集训练 training.py model.py

这一篇文章主要是对《pytorch深度学习实战》第11章内容做的笔记。

wxyczhyza·2022-11-05 14:38

pytorch深度学习实战lesson4

目录解决识别手写数字的方法（理论部分）：解决识别手写数字的方法（实践部分）：参考教材：课程网站：https://www.bilibili.com/video/BV1xB4y1m7f4/?spm_id_from=333.1007.top_right_bar_window_custom_collection.content.click第四课手写数字体识别问题（举例+实战，对应视频课时6-13）认识mn

光·宇·2022-11-04 11:01

pytorch深度学习实战lesson1&lesson2

参考教材：课程网站：https://www.bilibili.com/video/BV1xB4y1m7f4/?spm_id_from=333.1007.top_right_bar_window_custom_collection.content.click----------------------------------第一课介绍pytorch（在视频课是课时1-课时3）------------

光·宇·2022-11-04 11:31

pytorch深度学习实战lesson3

参考教材：课程网站：https://www.bilibili.com/video/BV1xB4y1m7f4/?spm_id_from=333.1007.top_right_bar_window_custom_collection.content.click-----------------------------第三课回归问题（举例+实战，对应视频课时4-6）-------------------

光·宇·2022-11-04 11:31

pytorch 图像分割的交并比_Pytorch深度学习实战教程：UNet模型训练

1前言本文属于Pytorch深度学习语义分割系列教程。该系列文章的内容有：Pytorch的基本使用语义分割算法讲解由于微信不允许外部链接，你需要点击页尾左下角的“2项目背景深度学习算法，无非就是我们解决一个问题的方法。选择什么样的网络去训练，进行什么样的预处理，采用什么Loss和优化方法，都是根据具体的任务而定的。所以，让我们先看一下今天的任务。没错，就是UNet论文中的经典任务：医学图像分割。选

weixin_39525118·2022-11-04 11:00

Pytorch深度学习实战教程（二）：UNet语义分割网络

该系列文章的内容有：Pytorch的基本使用语义分割算法讲解如果不了解语义分割原理以及开发环境的搭建，请看该系列教程的上一篇文章《Pytorch深度学习实战教程（一）：语义分割基础与环境搭建》。

普通网友·2022-11-04 11:26

pytorch深度学习实战lesson5

目录实践部分数据操作数据处理课程网站：04数据操作+数据预处理【动手学深度学习v2】_哔哩哔哩_bilibili第五课数据操作从本节课开始，我们将跟着李沐老师学习《动手学深度学习》李沐老师使用的架构是当今非常火热的pytorch架构，我们将从易到难学习这门课程，请你做好准备~理论部分当数据结构为矩阵时，每一行表示的是一个样本，每一列表示的是样本的特征。访问元素：上图中的“[1:3,1:]”表示的是

光·宇·2022-11-04 11:55

一、肺癌检测-项目简介

肺癌检测项目是基于《pytorch深度学习实战》一书第二部分的项目实战所做的笔记。一、数据集1.使用的数据集为LUNA数据集，数据集为肺部扫描CT数据。数据集约60G，解压后约120G。

wxyczhyza·2022-11-03 15:20

三、肺癌检测-肺癌检测代码项目文件准备

由于代码是参考《pytorch深度学习实战》，所以文件结构也是跟着书本来。1.建立项目文件夹，命名为CT。2.将《pytorch深度学习实战》原书代码放到CT文件夹。

wxyczhyza·2022-11-03 15:50

Keras深度学习实战（32）——基于LSTM预测股价

Keras深度学习实战（32）——基于LSTM预测股价0.前言1.模型与数据集分析1.1数据集分析1.2模型分析2.基于长短时记忆网络LSTM预测股价2.1根据最近五天的股价预测股价2.2考虑最近五天的股价和新闻数据小结系列链接

盼小辉丶·2022-10-30 10:35

Keras深度学习实战（31）——构建电影推荐系统

Keras深度学习实战（31）——构建电影推荐系统0.前言1.模型与数据集分析1.1数据集分析1.2模型分析2.电影推荐系统2.1基于LSTM实现电影推荐系统2.2考虑用户历史记录小结系列链接0.前言推荐系统在用户发现中起主要作用

盼小辉丶·2022-10-19 14:24

Keras深度学习实战（30）——使用文本生成模型进行文学创作

Keras深度学习实战（30）——使用文本生成模型进行文学创作0.前言1.文本生成模型与数据集分析1.1数据集分析1.2模型分析2.构建文本生成模型2.1数据预处理2.2模型构建与训练小结系列链接0.前言在情感分类任务中