U-Net网络模型

机器学习的12个基础问题

批归一化是一种用于训练神经网络模型的有效方法。这种方法的目标是对特征进行归一化处理（使每层网络的输出都经过激活），得到标准差为1的零均值状态。所以其相反的现象是非零均值。
Angelina_Jolie·2023-12-14 13:37

预训练（pre-learning）、微调（fine-tuning）、迁移学习（transfer learning）

预训练（pre-learning）搭建一个网络模型来完成一个特定的图像分类的任务。首先，你需要随机初始化参数，然后开始训练网络，不断调整参数，直到网络的损失越来越小。
可keke·2023-12-14 13:04

用于 ChatGPT 的 FPGA 加速大型语言模型

Transformer是一种神经网络模型，擅长捕获序列中的长
FPGA技术联盟·2023-12-14 12:00

使用Keras构建前馈神经网络进行回归模型构建和学习

使用Keras构建前馈神经网络进行回归模型构建和学习前馈神经网络（FeedforwardNeuralNetwork）是一种常用的人工神经网络模型，被广泛应用于回归（regression）问题。
静谧星光·2023-12-07 00:00

U-Net网络模型改进（添加通道与空间注意力机制）---亲测有效，指标提升

U-Net网络模型（注意力改进版本）这一段时间做项目用到了U-Net网络模型，但是原始的U-Net网络还有很大的改良空间，在卷积下采样的过程中加入了通道注意力和空间注意力。
普通研究者·2023-12-06 18:02

DCGAN生成网络模型

DCGAN（DeepConvolutionalGenerativeAdversarialNetwork）是一种生成对抗网络（GAN）的变体，专门设计用于生成图像。它结合了卷积神经网络（CNN）和生成对抗网络的概念，旨在生成具有高质量的逼真图像。以下是DCGAN的一些关键特征和设计原则：去全连接层：DCGAN中的生成器和判别器网络中通常不包含全连接层，而是使用卷积层和反卷积层。BatchNormal
普通研究者·2023-12-06 18:02

【HyperQuest】调参

以此篇文章记录我的调参结果和个人总结，如果大家有更好的效果，欢迎留言交流~2调参思路最开始：没有regulation，learningrate较大，网络模型简单如果train和test接近且准确率高，说明模型
MORE_77·2023-12-06 17:22

谷歌用AI模型发现220万种新材料，研究能力超越人类！

谷歌旗下的AI研究机构DeepMind在全球顶级学术期刊《Nature》上发布了一篇论文，通过深度学习、计算机视觉、大数据等，开发了一个名为GNoME的图神经网络模型，主要用于材料发现。
RPA中国·2023-12-06 13:31

小土堆-pytorch-神经网络-网络模型的保存和读取13_笔记

保存与读取方式一:创建2个python空文件,模拟保存和读取保存:importtorchimporttorchvisionvgg16=torchvision.models.vgg16(weights=False)#保存方式一:模型结构+模型参数torch.save(vgg16,"vgg16_method1.pth")保存完成后,会出现这样的文件读取:importtorch#方式一保存方式一,加载模
小徐要考研·2023-12-06 12:05

图像识别经典轻量级网络模型总结梳理、原理解析与优劣对比分析

在前面的很多博文中，我们不止一次提到过，在实际业务项目开发过程中，我们会经常使用到轻量级的网络模型，本文主要是总结梳理前面经常使用到的一些轻量级的图像识别模型。
Together_CZ·2023-12-06 11:22

AI助力智慧农业，基于YOLOv5全系列模型【n/s/m/l/x】开发构建不同参数量级农田场景下庄稼作物、杂草智能检测识别系统

紧接前文，本文是农田场景下庄稼作物、杂草检测识别的第二篇文章，前文是基于YOLOv3这一网络模型实现的目标检测，v3相对来说比较早期的网络模型了，本文是基于最为经典的YOLOv5来开发不同参数量级的检测端模型
Together_CZ·2023-12-06 11:14

华为ICT——第八章：语音处理理论与实践01

目录U-Net思考题本章总结：语音处理理论与实践：语音处理简介(1)语音处理简介(2)语音处理主要应用场景：语言学语言学2语音学(1)语音学(2)语音预处理基础人类语音来源语音数据语音信号预处理语音信号预处理步骤编辑语音信号预处理
希斯奎·2023-12-06 09:01

c++ -reactor

1.reactor基本原理reactor网络模型1.组成：非阻塞io+io多路复用2.特征：事件循环+事件驱动实现业务逻辑流程图：示例代码：listenfd=socket()bind(listenfd,
多云的夏天·2023-12-06 08:13

基于轻量级模型GHoshNet开发构建眼球眼疾识别分析系统，构建全方位多层次参数对比分析实验

工作中经常会使用到轻量级的网络模型来进行开发，所以平时也会常常留意使用和记录，在前面的博文中有过很多相关的实践工作，感兴趣的话可以自行移步阅读即可。
Together_CZ·2023-12-06 08:12

基于轻量级神经网络GhostNet开发构建的200种鸟类细粒度识别分析系统

最近项目需要用到轻量级的网络模型，后期考虑进一步的剪枝和量化达到加速推理的目的，正好有时间就想着基于实际的数据集来开发构建项目做测试，本文的核心目的就是选定轻量级神经网络模型GhostNet来开发构建细粒度鸟类识别系统
Together_CZ·2023-12-06 08:42

python基于轻量级卷积神经网络模型ShuffleNetv2开发构建辣椒病虫害图像识别系统

、mobilenetv3、ghostnet、mnasnet、shufflenetv2驾驶危险行为识别模型对比开发测试》《基于Pytorch框架的轻量级卷积神经网络垃圾分类识别系统》《基于轻量级卷积神经网络模型实践
Together_CZ·2023-12-06 08:40

pytorch学习10-网络模型的保存和加载

系列文章目录pytorch学习1-数据加载以及Tensorboard可视化工具pytorch学习2-Transforms主要方法使用pytorch学习3-torchvisin和Dataloader的使用pytorch学习4-简易卷积实现pytorch学习5-最大池化层的使用pytorch学习6-非线性变换（ReLU和sigmoid）pytorch学习7-序列模型搭建pytorch学习8-损失函数与
Magic171·2023-12-06 07:50

抑制过拟合——从梯度的角度看LayerNorm的作用

相比之下，虽然BatchNorm也广泛应用于各种网络模型中，但在很多情况下LayerNorm表现出更优的效
征途黯然.·2023-12-06 03:39

语义分割 U-net网络学习笔记 （附代码）

Unet是一种用于图像分割的深度学习网络模型，其结构由编码器和解码器组成，可以对图像进行像素级别的分割。具体来说，编码器部分采用卷积神经网络对图像进行特征提取和降维，解码器部分则采用反卷积神经网络对特
无妄无望·2023-12-05 23:58

nn.Sequential

nn.Sequential是PyTorch中用于创建神经网络模型的类。它允许您将多个神经网络层（例如卷积层、池化层、激活函数等）按顺序组合在一起。
湫兮之风·2023-12-05 13:39

学习pytorch16 现有网络模型的使用和修改

现有网络模型的使用和修改官网[https://pytorch.org/](https://pytorch.org/)torchvison相关model1.图像常用vgg16模型【vgg19也常用】2.ImageNet
陌上阳光·2023-12-05 12:03

新华三数字技术大赛复赛知识点一企业网模型

企业网模型：IToIP、基于SOA的网络架构、层级化网络模型、H3C企业网架构企业网模型：IToIP、基于SOA的网络架构、层级化网络模型、H3C企业网架构IToIP：整体架构分为四大组成部分：躯干：IP
吃土少女古拉拉·2023-12-05 08:01

【Pytorch】模型的保存和加载

在对神经网络模型进行训练时，定期地保存模型可以增加程序的抗风险能力。同时，通过对保存模型的加载可以很方便地复现和使用我们训练好的神经网络模型。基于此，本文记录了Pytorch中的模型保存和加载方法。
lgc0208·2023-12-05 08:18

【Pytorch】固定随机数种子

在对神经网络模型进行训练时，有时候会存在对训练过程进行复现的需求。然而，每次运行时Pytorch、Numpy中的随机性将使得该目的变得困难重重。在程序运行前固定所有随机数的种子有望解决这一问题。
lgc0208·2023-12-05 08:18

时序预测 | MATLAB实现CNN-SVM卷积支持向量机时间序列预测

在深度学习模型中，卷积神经网络模型的卷积层和池化层具有强大的计算能力，能够降低图像在平移过程中的损失率，从而特征向
机器学习之心·2023-12-05 06:29

电磁建模的分布式并行计算技术

它使用消息传递接口（MPI）并行生成数据和训练神经网络模型。一个例子表明，我们的技术
不爱吃香菇的干饭少年·2023-12-05 06:46

CNN,DNN,RNN,GAN,RL+图像处理常规算法(未完待续)

好的，让我们先介绍一些常见的神经网络模型，然后再讨论图像处理的常规算法。神经网络模型：1.CNN（卷积神经网络）原理：CNN主要用于处理图像数据。它包含卷积层、池化层和全连接层。
不爱吃香菇的干饭少年·2023-12-05 06:08

YoloV8改进策略：Swift Parameter-free Attention，无参注意力机制，超分模型的完美迁移

摘要https://arxiv.org/pdf/2311.12770.pdfhttps://github.com/hongyuanyu/SPANSPAN是一种超分网络模型。
静静AI学堂·2023-12-05 05:14

YoloV5改进策略：Swift Parameter-free Attention，无参注意力机制，超分模型的完美迁移

摘要https://arxiv.org/pdf/2311.12770.pdfhttps://github.com/hongyuanyu/SPANSPAN是一种超分网络模型。
静静AI学堂·2023-12-05 05:14

论文阅读“Dissimilarity Mixture Autoencoder for Deep Clustering”

GonzálezFA.DissimilarityMixtureAutoencoderforDeepClustering[J].arXivpreprintarXiv:2006.08177,2020.摘要翻译差异混合自编码(DMAE)是一种基于特征聚类的神经网络模型
掉了西红柿皮_Kee·2023-12-04 22:01

深度学习项目基于Tensorflow卷积神经网络人脸年龄预测系统

该系统的主要组成部分包括人脸检测、图像预处理、卷积神经网络模型训练和预测以及后处理等。系统工作原理人脸检测：首先，系统通过预训练的
雅致教育·2023-12-04 18:59

2 文本分类入门：TextCNN

论文链接：https://arxiv.org/pdf/1408.5882.pdfTextCNN是一种用于文本分类的卷积神经网络模型。它在卷积神经网络的基础上进行了一些修改，以适应文本数据的特点。
汀沿河·2023-12-04 09:06

Linux系统配置深度学习环境之cudnn安装

它提供了高性能、高可靠性的加速算法，旨在加速深度神经网络模型的训练和推理过程。
番茄小能手·2023-12-04 08:51

TensorRT安装及使用教程（ubuntu系统部署yolov7）

由于训练的网络模型可能会很大（比如，inception，resnet等），参数很多，而且部署端的机器性能存在差异，就会导致推
耳语ai·2023-12-04 07:11

2024美赛数学建模资料---100%获奖资料

编程编码第一章线性规划第二章整数规划第三章非线性规划第四章动态规划第五章图与网络第六章排队论第七章对策论第八章层次分析法第九章插值与拟合第十章数据的统计描述和分析第十一章方差分析第十二章回归分析第十三章微分方程建模第十四章稳定状态模型第十五章常微分方程的解法第十六章差分方程模型第十七章马氏链模型第十八章变分法模型第十九章神经网络模型第二十
知新_ROL·2023-12-04 04:21

揭示堆叠自动编码器的强大功能 - 最新深度学习技术

自动编码器：简要概述自动编码器的核心是神经网络模型，旨在对数据进行编码和解码，本质上模仿数据压缩和重建的过程。它们由将输
冷冻工厂·2023-12-04 03:25

在很多nlp数据集上超越tinybert 的新架构nlp神经网络模型

在很多nlp数据集上超越tinybert的新架构nlp神经网络模型网络结构图测试代码网络结构图测试代码importpaddleimportnumpyasnpimportpandasaspdfromtqdmimporttqdmclassFeedFroward
东方佑·2023-12-04 02:40

生成树协议及应用

生成树协议（SpanningTreeProtocol，STP），是一种工作在OSI网络模型中的第二层的通信协议，基本应用是防止交换机冗余链路产生的环路.用于确保以太网中无环路的逻辑拓扑结构.从而避免了广播风暴
ccg61118·2023-12-04 02:02

基于U-Net 的图像分割（使用Crack 500数据集）

文章目录0.环境要求1.加载包和数据集1.1加载包1.2加载数据2.加载和增强图像Generator3.对训练集做增强用于下面的训练模型3.构建ResUNet模型4.Loss&Compile5.Training6.Testing0.环境要求Crack500数据集下载：https://download.csdn.net/download/QH2107/87423329创建一个环境，python版本为
智能建造小硕·2023-12-03 22:21

秋天的第一个模型——DANet

（1）模型介绍DANet全称为DualAttentionNetwork，是一种用于图像语义分割的深度神经网络模型。
--行者·2023-12-03 20:59

神经网络模型预训练

根据神经网络各个层的计算逻辑用程序实现相关的计算，主要是：前向传播计算、反向传播计算、损失计算、精确度计算等，并提供保存超参数到文件中。#coding:utf-8importsys,ossys.path.append(os.pardir)#为了导入父目录的文件而进行的设定fromDeepLearn_Base.common.functionsimport*fromDeepLearn_Base.com
softshow1026·2023-12-03 19:05

深度学习 -- 卷积神经网络

simplecell)和复杂细胞(complexcell)，简单细胞会对感受野中特定朝向的线段做出反应，而复杂细胞对于特定朝向的钱段移动也能做出反应，福岛邦彦在此基础上提出了神经认知机模型，这是一种分层神经网络模型
想做后端的前端·2023-12-03 17:14

PyTorch中使用MNIST数据集进行训练和预测

定义神经网络模型：构建一个简单的神经网络模型，例如多层感知机（MLP）。定义损失函数和优化器：选择适当的损失函数（如交叉熵损失）和优化器（如随机梯度下降SGD）。训练模型：使用训练数据集对模型进行训练
赢勾喜欢海·2023-12-03 11:14

卷积神经网络-3D医疗影像识别

文章目录一、前言二、前期工作1.介绍2.加载和预处理数据二、构建训练和验证集三、数据增强四、数据可视化五、构建3D卷积神经网络模型六、训练模型七、可视化模型性能八、对单次CT扫描进行预测一、前言我的环境
NoteLoopy·2023-12-03 07:33

每天五分钟计算机视觉：AlexNet网络的结构特点

本文重点在前面的一篇文章中，我们对AlexNet网络模型的参数进行了详细的介绍，本文对其网络模型的特点进行总结。特点1、AlexNet的网络结构比LeNet5更深，模型包括5个卷积层和3个全连接层。
幻风_huanfeng·2023-12-03 06:51

神经网络模型数字推理预测

MNIST数据集MNIST是机器学习领域最有名的数据集之一，被应用于从简单的实验到发表的论文研究等各种场合。实际上，在阅读图像识别或机器学习的论文时，MNIST数据集经常作为实验用的数据出现。MNIST数据集是由0到9的数字图像构成的。训练图像有6万张，测试图像有1万张，这些图像可以用于学习和推理。MNIST数据集的一般使用方法是，先用训练图像进行学习，再用学习到的模型度量能在多大程度上对测试图像
!chen·2023-12-03 06:01

计算机网络知识（二）

前面也提到了三种网络模型，本人在视频学习中发现五层模型确实比较适合于教学理解，再者作为计算机通用语言的TCP/IP协议也是四层模型，只是把物理层和数据链路层整合为网络接口层了。
江东平·2023-12-03 05:31

总结

AttentiveFeedbackNetworkforBoundary-AwareSalientObjectDetection》网络结构如下：image.png同样是FCN-based（或Encoder-Decoder）网络模型
ICE0223·2023-12-03 02:23

神经网络 模型表示2

神经网络模型表示2使用向量化的方法会使得计算更为简便。
小小程序○·2023-12-02 22:05

神经网络 模型表示（一）

神经网络模型表示模型表示一为了构建神经网络模型，我们需要首先思考大脑中的神经网络是怎样的？
小小程序○·2023-12-02 22:04
上一页 10 11 12 13 14 15 16 17 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他