ResNET

CNN算法（一）——残差网络ResNet-50

一、完整代码importtorchimporttorch.nnasnnimporttorchvision.transformsastransformsimporttorchvisionfromtorchvisionimporttransforms,datasetsimportos,PIL,pathlib,warningsimportmatplotlib.pyplotaspltimportcopyi

晋丑丑·2025-06-24 14:08

pythonday50

作业：1.好好理解下resnet18的模型结构2.尝试对vgg16+cbam进行微调策略importtorchimporttorch.nnasnnimporttorch.optimasoptimimporttorchvisionimporttorchvision.transformsastransformsfromtorchvisionimportmodelsfromtorch.utils.dat

我爱音乐yyy·2025-06-23 00:51

深度学习之模型压缩三驾马车：基于ResNet18的模型剪枝实战（1）

以ResNet18为例，其在ImageNet上的参数量约为1100万，虽然在服务器端运行流畅，但在移动端或嵌入式设备上部署时，内存和计算资源的限制使得直接使用大模型变得困难。

king of code porter·2025-06-21 21:00

深度学习之模型压缩三驾马车：模型剪枝、模型量化、知识蒸馏

一、引言在深度学习中，我们训练出的神经网络往往非常庞大（比如像ResNet、YOLOv8、VisionTransformer），虽然精度很高，但“太重”了，运行起来很慢，占用内存大，不适合部署到手机、摄像头

king of code porter·2025-06-21 21:59

云计算处理器选哪款？性能与能效的平衡艺术

IntelXeon6900系列制程突破:采用进阶版Intel7工艺,56核配置下全核睿频可达4.3GHz内存子系统:集成DDR5内存控制器,支持8通道RDIMM/LRDIMMAI加速实例:AWSc7i实例实测显示,ResNet50

资讯分享周·2025-06-21 06:59

【ResNet50 可视化界面】在电脑上实现可视化界面

一、Python可视化界面PyQt5库PyQt5是一个流行的Python库，用于创建图形用户界面（GUI）应用程序。它基于Qt库，是一个跨平台的开源框架，可用于创建各种类型的桌面应用程序。跨平台性：PyQt5可以在多个操作系统上运行，包括Windows、Mac和Linux。这意味着可以在任何支持Python的平台上使用PyQt5来开发应用程序。丰富的控件：PyQt5提供了大量的用户界面控件，包括按

艾墨舟启航·2025-06-18 04:21

深度学习 backbone，neck，head网络关键组成

是网络的关键组成部分，各自承担了不同的功能：1，总署：Backbone,译作骨干网络，主要指用于特征提取的，已在大型数据集(例如ImageNet|COCO等)上完成预训练，拥有预训练参数的卷积神经网络，例如：ResNet

SLAM必须dunk·2025-06-18 02:12

计算机视觉卷积神经网络（CNN）基础：从LeNet到ResNet

计算机视觉卷积神经网络（CNN）基础：从LeNet到ResNet一、前言二、卷积神经网络基础概念2.1卷积层2.1.1卷积运算原理2.1.2卷积核的作用与参数2.2池化层2.2.1最大池化与平均池化2.2.2

xcLeigh·2025-06-18 02:04

残差网络中相加后激活的深度解析

残差网络中相加后激活的深度解析在残差网络中，"相加后激活"（post-additionactivation）是ResNet原始设计的关键特征，这一设计选择背后蕴含了深刻的神经网络原理，对模型性能有着重要影响

浩瀚之水_csdn·2025-06-17 18:20

ResNet结合LSTM王炸创新！最新SOTA方案预测准确率超91%

ResNet和LSTM的结合已经成为了深度学习领域的一个重要创新，它能够同时处理图像的空间特征和时间序列数据。

深度之眼·2025-06-17 08:06

29 - ResNeSt模块

通过堆叠这些分裂注意力块，以ResNet风格构建，形成了新的ResNet变体，即ResNeSt。该网络保留了整体的ResNet结构，便于在不增加额外计算成本的情况下，直接用于下游任务。

Leo Chaw·2025-06-16 02:45

深度学习之模型压缩三驾马车：基于ResNet18的模型剪枝实战（3）

引言前面的文章《深度学习之模型压缩三驾马车：基于ResNet18的模型剪枝实战（1）》和《深度学习之模型压缩三驾马车：基于ResNet18的模型剪枝实战（2）》有做了相应的裁剪说明和实践，但是只是对其中的一个层进行采集的

·2025-06-16 02:15

基于深度学习的智能图像分类系统：从零开始构建

近年来，卷积神经网络（CNN）及其变体（如ResNet、Inception等）在图像分类任务中取得了巨大的成功。

Blossom.118·2025-06-15 12:11

论文解析：一文弄懂ResNet(图像识别分类、目标检测)

Nelson_hehe·2025-06-14 20:57

Python打卡第50天

@浙大疏锦行知识点回顾：resnet结构解析CBAM放置位置的思考针对预训练模型的训练策略差异化学习率三阶段微调数据预处理+定义cbamimporttorchimporttorch.nnasnnimporttorch.optimasoptimfromtorchvisionimportdatasets

猛犸MAMMOTH·2025-06-14 16:25

python打卡第50天

知识点回顾：resnet结构解析CBAM放置位置的思考针对预训练模型的训练策略差异化学习率三阶段微调现在我们思考下，是否可以对于预训练模型增加模块来优化其效果，这里我们会遇到一个问题预训练模型的结构和权重是固定的

whyeekkk·2025-06-14 07:59

基于CT图像的硬参数共享多任务分析：肝脏肿瘤分割与良恶性分类

实验表明，相比单任务U-Net（分割）和ResNet（分类）模型，多任务框架在Dice系数、分类准确率等指标上提升显著，同时减少参数量约28.6%。%%硬参数

pk_xz123456·2025-06-13 18:35

ResNet改进(53)：带有ECA注意力机制的ResNet模型

1.创新点分析本文将详细介绍一个基于PyTorch实现的、带有高效通道注意力(ECA)模块的ResNet模型。这个模型结合了经典的ResNet架构和最新的注意力机制，能够有效提升图像分类任务的性能。

点我头像干啥·2025-06-13 12:52

Python训练营打卡DAY50

DAY50预训练模型+CBAM模块知识点回顾：resnet结构解析CBAM放置位置的思考针对预训练模型的训练策略差异化学习率三阶段微调ps：今日的代码训练时长较长，3080ti大概需要40min的训练时长作业

我想睡觉261·2025-06-12 07:51

python打卡day45

对resnet18在cifar10上采用微调策略下，用tensorboard监控训练过程。

纨妙·2025-06-10 08:24

ResNet不同层数架构的输入与输出

ResNet不同层数（如18/34/50/101/152层）对输入尺寸的要求本质上是统一的，其核心架构设计均以224×224像素作为标准输入尺寸。

浩瀚之水_csdn·2025-06-09 23:46

如何使用ResNet设计和实现牙龈健康识别模型？

本文收录于《全栈Bug调优(实战版)》专栏，致力于分享我在项目实战过程中遇到的各类Bug及其原因，并提供切实有效的解决方案。无论你是初学者还是经验丰富的开发者，本文将为你指引出一条更高效的Bug修复之路，助你早日登顶，迈向财富自由的梦想！同时，欢迎大家关注、收藏、订阅本专栏，更多精彩内容正在持续更新中。让我们一起进步，Up！Up！Up！备注：部分问题/难题源自互联网，经过精心筛选和整理，结合数

bug菌¹·2025-06-09 13:05

多模型协同：基于 SAM 分割 + YOLO 检测 + ResNet 分类的工业开关状态实时监控方案

一、技术优势与适配性分析1.任务分工的合理性YOLO（目标检测）核心价值：快速定位工业开关在图像中的位置（边界框），为后续分割和分类提供ROI（感兴趣区域）。工业场景适配性：工业开关通常具有固定形态（如矩形、圆形），YOLO对规则形状目标的检测精度高。实时性需求：YOLOv8/YOLOv7等版本可在边缘设备（如JetsonNano）上实现实时推理（30+FPS），满足工业实时监控需求。SAM（图像

从零开始学习人工智能·2025-06-09 05:42

ResNet改进(51)：基于轴向注意力机制的改进ResNet模型

本文将详细解析一个结合了轴向注意力(AxialAttention)机制的改进ResNet模型，展示如何通过注意力机制增强传统CNN的性能。

点我头像干啥·2025-06-08 20:37

BasicBlock组件的详解

BasicBlock是ResNet（残差网络）中的核心组件，主要用于解决深度神经网络中的梯度消失问题，同时提升特征表达能力。

浩瀚之水_csdn·2025-06-08 15:04

ResNet-152：深度残差网络的性能巅峰

ResNet-152代表了深度残差网络架构的顶峰，通过极致的网络深度实现了当时最先进的图像识别性能。作为ResNet系列的顶级模型，它在挑战性视觉任务中展现出无与伦比的特征表达能力。

浩瀚之水_csdn·2025-06-08 15:03

Python打卡训练营day44——2025.06.04

作业：尝试在cifar10对比如下其他的预训练模型，观察差异，尽可能和他人选择的不同尝试通过ctrl进入resnet的内部，观察残差究竟是什么importtorchimporttorch.nnasnnimporttorch.optimasoptimfromtorchvisionimportdatasets

莱茵菜苗·2025-06-08 04:46

Week 4-杨帆-学习总结

目录28批量归一化批量规范化的背景和必要性批量规范化的实现理论探讨与争议遇到的问题&解决办法29残差网络ResNet残差网络（ResNet）的核心概念函数类与嵌套函数类残差块（ResidualBlocks

CSPhD-winston-杨帆·2025-06-08 01:24

Python训练营打卡DAY45

使用介绍知识点回顾：tensorboard的发展历史和原理tensorboard的常见操作tensorboard在cifar上的实战：MLP和CNN模型效果展示如下，很适合拿去组会汇报撑页数：作业：对resnet18

我想睡觉261·2025-06-07 18:35

Python训练营---Day44

DAY44预训练模型知识点回顾：预训练的概念常见的分类预训练模型图像预训练模型的发展史预训练的策略预训练代码实战：resnet18作业：尝试在cifar10对比如下其他的预训练模型，观察差异，尽可能和他人选择的不同尝试通过

2501_91182850·2025-06-07 07:22

第23篇：AI技术实战：基于深度学习的图像识别与分类

的关键组件（二）预训练模型迁移学习二、代码示例（一）使用TensorFlow和Keras实现CNN进行图像分类1.数据准备与预处理2.构建CNN模型3.模型训练与评估（二）使用预训练模型进行迁移学习1.使用ResNet

CarlowZJ·2025-06-06 19:31

【python深度学习】Day 45 Tensorboard使用介绍

知识点：tensorboard的发展历史和原理tensorboard的常见操作tensorboard在cifar上的实战：MLP和CNN模型效果展示如下，很适合拿去组会汇报撑页数：作业：对resnet18

抽风的雨610·2025-06-06 06:04

6.4 打卡

DAY44预训练模型知识点回顾：预训练的概念常见的分类预训练模型图像预训练模型的发展史预训练的策略预训练代码实战：resnet18作业：尝试在cifar10对比如下其他的预训练模型，观察差异，尽可能和他人选择的不同尝试通过

分散406·2025-06-05 04:34

ResNet改进(48)：融合CoTAttention的ResNet模型

1.创新点介绍今天我将带大家深入分析一个结合了ContextualTransformer(CoT)注意力机制的自定义ResNet模型实现。

点我头像干啥·2025-06-03 14:47

ResNet改进(45)：结合通道混洗（ShuffleNet）的混合架构

1.创新点分析今天我们将深入分析一个创新的卷积神经网络(CNN)实现，它巧妙地将经典的ResNet架构与新兴的通道混洗(ChannelShuffle)技术相结合。

点我头像干啥·2025-06-03 14:47

【论文笔记】ResNet论文的全面解析

DeepResidualLearningforImageRecognition发表时间：2015发表作者：(MicrosoftResearch)He-Kaiming,Ren-Shaoqing,Sun-Jian论文链接：论文链接一、ResNet

浩瀚之水_csdn·2025-06-03 06:54

目标检测模型的主要组成部分

常见的主干网络包括：卷积神经网络（CNN）：如ResNet、VGG、MobileNet等。它们通过多层卷积操作提取图像的多层次特征。

asdfg1258963·2025-06-03 00:03

相机--RGB相机

核心作用：2D视觉任务：目标检测、图像分类、语义分割（如YOLO、ResNet）。优点：成本低：单传感器，硬件简单（如普通手机摄像头）。缺点：无深度信息：需额外算法或传感器获取3D数据。

猿饵块·2025-06-02 15:27

Inception-Resnet-v1、Inception-Resnet-v2学习笔记（附Pytorch代码(1)

def__init__(self,in_planes,out_channels,stride=1,padding=0):super(conv3x3,self).__init__()self.conv3x3=nn.Sequential(nn.Conv2d(in_planes,out_channels,kernel_size=3,stride=stride,padding=padding),#卷积核为

rr8f2haQf·2025-06-01 19:06

ResNet系列和ViT系列预训练模型权重文件下载

一、简单介绍OpenAICLIP项目提供的预训练模型权重文件列表，主要包含两种架构系列和不同规模配置：ResNet系列(RN)基础版本：RN50（ResNet-50）扩展版本：RN50x4、RN50x16

水静川流·2025-06-01 06:34

NanoGPT的BenchMarking.py

例如，当你尝试比较两个不同架构的模型（如ResNet和EfficientNet）在相同数据集和硬件条件下的训练效率时，就可以进行benchmarking。

2301_80365274·2025-06-01 02:40

ResNet 经典网络详解：深度学习中的革命性突破（含代码）

ResNet：解决深度网络训练难题的核心技术在深度学习的发展历程中，ResNet（残差网络）是一个重要的突破。它成功解决了深层神经网络训练中的梯度消失问题，使得深度模型能够达到更好的性能。

murphymeng2001·2025-05-31 09:38

基于照片环境信息的AI定位技术：从原理到实战的深度解析

一、技术原理：从特征提取到多模态融合1.1环境特征的数字化映射视觉特征解析：通过CNN网络（如ResNet50）提取

灏瀚星空·2025-05-30 09:08

Python----神经网络（基于ResNet的汽车分类）

一、数据集展示二、随机数种子defseed_(seed=42):np.random.seed(seed)random.seed(seed)torch.manual_seed(seed)os.environ['PYTHONHASHSEED']=str(seed)iftorch.cuda.is_available():torch.cuda.manual_seed(seed)torch.cuda.man

蹦蹦跳跳真可爱589·2025-05-29 17:43

pytorch实现resnet18

「已注销」·2025-05-23 16:10

从原理到实践：一文详解残差网络

残差网络（ResidualNetwork，ResNet）的出现，成功打破了这一僵局，为深度学习

2201_75491841·2025-05-22 22:40

RK3588 RKNN ResNet50推理测试

RK3588RKNNResNet50推理测试一、背景二、性能数据三、操作步骤3.1安装依赖3.2安装rknn-toolkit,更新librknnrt.so3.3下载推理图片3.4生成`onnx`模型转换脚本3.5生成rknn模型3.6运行rknn模型一、背景在嵌入式设备上进行AI推理时，我们面临着算力有限、功耗敏感等挑战。RK3588芯片搭载的NPU（神经网络处理单元）专为加速AI运算设计，而RK

Hi20240217·2025-05-22 07:32

RK3588 IREE+Vulkan ResNet50推理测试

RK3588IREE+VulkanResNet50推理测试背景一.性能数据【暂不考虑该框架】二.操作步骤2.1搭建NFS服务,解决IREE编译时,空间不足的问题2.2编译、安装`IREE`2.2.1挂载NFS2.2.2安装依赖2.2.3编译`IREE`2.2.4获取驱动及设备信息2.2.5下载推理图片2.2.6生成`onnx`模型转换脚本2.2.7生成运行推理测试脚本2.2.8`CPU-FP32`

Hi20240217·2025-05-21 07:24

基于EFISH-SCB-RK3576/SAIL-RK3576的智能垃圾分类站技术方案

（国产化替代J1900的环保物联网解决方案）一、硬件架构设计‌‌多模态感知系统‌‌高精度识别模块‌：双光谱成像（RGB+近红外）融合NPU加速ResNet50模型，支持40+垃圾品类识别（准确率>99.5%

电鱼智能·2025-05-21 04:37

大模型微调步骤整理

PyTorch的torchvision.models模块提供了很多经典的预训练模型，比如ResNet、VGG、EfficientNet等。我们可以直接使用它们作为模型的基础结构。

Trank-Lw·2025-05-19 07:41

推荐频道