分类：卷积神经网络

2023
01-31

CNN的Pytorch实现(LeNet)

目录CNN的Pytorch实现(LeNet)1.任务目标2.库的导入3.模型定义4.数据加载、处理5.模型训练整个代码CNN的Pytorch实现(LeNet)  上次写了一篇CNN的详解，可是累坏了老僧我。写完后拿给朋友看，朋友说你这Pytorch的实现方式对于新人来讲会很不友好，然后反问我说里面所有的细节你都明白了吗。我想想，的确如此。那个源码是我当时《动手学pytorch》的时候整理的，里面有很多包装过的函数，对于新入门的人来讲，的确是个... 继续阅读 >

2023
01-31

一文带你了解CNN(卷积神经网络)

目录前言一、CNN解决了什么问题？二、CNN网络的结构2.1卷积层-提取特征卷积运算权重共享稀疏连接总结：标准的卷积操作卷积的意义1x1卷积的重大意义2.2激活函数2.3池化层(下采样)-数据降维，避免过拟合2.4全连接层-分类，输出结果三、Pytorch实现LeNet网络3.1模型定义3.2模型训练（使用GPU训练）3.3训练和评估模型前言  在学计算机视觉的这段时间里整理了不少的笔记，想着就把这些笔记再重新整理出来，然... 继续阅读 >

2020
10-10

Numpy实现卷积神经网络(CNN)的示例

importnumpyasnpimportsysdefconv_(img,conv_filter):filter_size=conv_filter.shape[1]result=np.zeros((img.shape))#循环遍历图像以应用卷积运算forrinnp.uint16(np.arange(filter_size/2.0,img.shape[0]-filter_size/2.0+1)):forcinnp.uint16(np.arange(filter_size/2.0,img.shape[1]-filter_size/2.0+1)):#卷积的区域curr_region=img[r-np.uint16(np.floor(filter_size/2.0)):r... 继续阅读 >

2020
09-29

TensorFlow keras卷积神经网络 添加L2正则化方式

我就废话不多说了，大家还是直接看代码吧！model=keras.models.Sequential([#卷积层1keras.layers.Conv2D(32,kernel_size=5,strides=1,padding="same",data_format="channels_last",activation=tf.nn.relu,kernel_regularizer=keras.regularizers.l2(0.01)),#池化层1keras.layers.MaxPool2D(pool_size=2,strides=2,padding="same"),#卷积层2keras.layers.Conv2D(64,kernel_size=5,strides=1,padding="same",data_format="c... 继续阅读 >

2017
11-22

稀疏 & 集成的卷积神经网络学习

    今天主要和大家说的是分类检测过程中，一些稀疏和集成学习的相关知识，首先和大家说下图像目标定位与检测的方法分类。    众所周知，当前是信息时代，信息的获得、加工、处理以及应用都有了飞跃发展。人们认识世界的重要知识来源就是图像信息，在很多场合，图像所传送的信息比其他形式的信息更丰富、真切和具体。人眼与大脑的协作使得人们可以获取、处理以及理解视觉信... 继续阅读 >