Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
【22-23 春学期】人工智能基础--AI作业10-经典卷积网络
LeNet MNIST LeNet是由Yann LeCun及其合作者于1998年开发的一种具有开创性的卷积神经网络架构 它的设计目的是识别手写数字并执行图像分类任务 MNIST是一个用于手写数字识别的大型数据库 常被用于训练图像处理系统 L
深度学习
cnn
神经网络
借助CIFAR10模型结构理解卷积神经网络及Sequential的使用
CIFAR10模型搭建 CIFAR10模型结构 0 input 3 32x32 3通道32x32的图片 gt 特征图 Feature maps 32 32x32即经过32个3 5x5的卷积层 输出尺寸没有变化 有x个特征图即有x个卷积核 卷
机器学习
cnn
深度学习
人工智能
BP、CNN、ResNet:图片分类FashionMnist和CIFAR-10
源码 GitHub jeanMrx FashionMnist CIFAR10 一 实验目的 理解BP神经网络和卷积神经网络的结构和原理 掌握反向传播学习算法对神经元的训练过程 了解损失函数的反向传播和梯度下降 通过构建BP神经网络和卷积神经
cnn
人工智能
神经网络
【计算机视觉
文章目录 一 ResNeSt 二 ShuffleNet v2 三 FBNet 四 Inception v4 五 ResNet D 六 MetaFormer 七 PyramidNet 八 RevNet 九 Convolutional Visi
图像模型常见算法的介绍合集
计算机视觉
人工智能
算法
cnn
多输入通道和多输出通道
目录 多输入通道和多输出通道 目录 1 什么是多输入通道和多输出通道 2 多输入通道和多输出通道的实现 2 1 多输入通道和多输出通道的卷积操作 2 2 多输入通道和多输出通道的全连接操作 3 多输入通道和多输出通道的实例 3 1 导入必要
深度学习
python
Pytorch
神经网络
cnn
CNN可视化技术 -- CAM & Grad-CAM详解及pytorch简洁实现
文章目录 前言 1 CAM Class Activation Map 2 Grad CAM 3 PyTorch中的hook机制 4 Grad CAM的PyTorch简洁实现 参考资料 前言 CNN中的特征可视化大体可分为两类 细节信息 ZF
深度学习
cnn
Pytorch
python
【论文翻译】边缘应用中加速卷积神经网络的剪枝算法综述
摘要 随着卷积神经网络 CNN 模型大小的增加 模型压缩和加速技术对于在边缘设备上部署这些模型变得至关重要 在本文中 我们对修剪进行了全面的调查 这是一种主要的压缩策略 可以从CNN模型中删除非关键或冗余的神经元 调查涵盖了修剪的总体动机
剪枝
算法
cnn
剪枝
深度学习 卷积神经网络即插即用的小插件
卷积神经网络即插即用的小插件 前言 卷积神经网络设计技巧 小插件 STN ASPP Non local SE CBAM DCN v1 v2 BlurPool RFB ASFF 代码实现 前言 本篇博客主要介绍卷积神经网络中的即插即用的模块
深度学习
cnn
神经网络
【计算机视觉
文章目录 一 CSPResNeXt 二 ProxylessNet Mobile 三 ProxylessNet CPU 四 RandWire 五 MCKERNEL 六 Assemble ResNet 七 Convolution enhance
图像模型常见算法的介绍合集
计算机视觉
人工智能
算法
cnn
CNN,Transformer,MLP三分天下
title 论文列表 1 MLP Mixer MLP Mixer An all MLP Architecture for Vision 2 MetaFormer MetaFormer is Actually What You Need fo
NLP大模型
cnn
Transformer
人工智能
TensorFlow在MNIST中的应用 识别手写数字(OpenCV+TensorFlow+CNN)
参考 1 TensorFlow技术解析与实战 2 http blog csdn net sparta 117 article details 66965760 3 http blog csdn net HelloZEX article de
tensorflow
MNIST
cnn
神经网络
瘦子额数字识别
第六篇 VGGNet——模型精讲
文章目录 模型介绍 网络组成 VGG16 VGG16 pytoch代码实现 版本一 版本二 VGG16详细参数 模型特性 关于dense evaluation 与multi cr
深度学习精讲与实战
深度学习
计算机视觉
cnn
原力计划
#手写代码# 用Bert+CNN解决文本分类问题
文章目录 1 配置文件 2 定义模型 2 1 init self config 函数 2 1 conv and pool 函数 2 3 forward self x 函数 1 配置文件 首先定义一个配置文件类 类里边存放Bert和CNN的一
NLP
机器学习
深度学习
cnn
Bert
【CV】第 10 章:使用 R-CNN、SSD 和 R-FCN 进行目标检测
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 fore
基于Tensorflow的计算机视觉
目标检测
cnn
深度学习
基于keras的图像分类CNN模型的搭建以及可视化(附详细代码)
基于keras的图像分类CNN模型的搭建以及可视化 本文借助keras实现了热图像的分类模型的搭建 以及可视化的工作 本文主要由以下内容组成 Keras模型介绍 CNN模型搭建 模型可视化 Keras模型介绍 简介 Keras 是 Goog
机器学习
cnn
Keras
图像分类
全连接层(Fully Connected Layer)
一 概述 全连接层的每一个结点都与上一层的所有结点相连 用来把前边提取到的特征综合起来 由于其全相连的特性 一般全连接层的参数也是最多的 在卷积神经网络的最后 往往会出现一两层全连接层 全连接一般会把卷积输出的二维特征图转化成一维的一个向量
cnn
理解图像卷积操作的意义
数字信号处理中卷积 卷积一词最开始出现在信号与线性系统中 信号与线性系统中讨论的就是信号经过一个线性系统以后发生的变化 由于现实情况中常常是一个信号前一时刻的输出影响着这一时刻的输出 所在一般利用系统的单位响应与系统的输入求卷积 以求得系统
c
计算机视觉
cnn
图像处理
2.1 目标检测简介
目录 2 1 目标检测简介 1 2 1 1 传统的目标检测方法 2 1 2 深度学习时代的目标检测 2 1 目标检测简介1 目标检测是另一项非常重要的计算机视觉任务 图像分类的目的是辨别图片中所包含的主体对象是什么 而目标检测的目标是检测图
CNN与目标检测
目标检测
cnn
基于卷积神经网络进行股价预测(Matlab代码实现)
目录 1 概述 2 运行结果 3 参考文献 4 Matlab代码 1 概述 CNN是一种人工神经网络 CNN的结构可以分为3层 卷积层 Convolutional Layer 主要作用是提取特征 池化层 Max Pooling Layer
cnn
MATLAB
人工智能
multi-head attention理解加代码
multi head attention 用于CNN相关理解 饭前小菜 在早期的Machine Translation 机器翻译 中 Attention机制与RNN的结合 机器翻译解决的是输入是一串在某种语言中的一句话 输出是目标语言相对应
cnn
tensorflow
神经网络
attention
«
1
2
3
4
5
6
7
...23
»