摘要: JupyterLab与Jupyter Notebook:详细比较 简介 Jupyter Notebook是一个开源的Web应用程序,允许用户创建和共享包含实时代码、方程、可视化和解释性文本的文档。JupyterLab是Jupyter Notebook的下一代界面,提供了更高级的功能和更现代化的用户界 阅读全文
posted @ 2024-08-02 23:26 codersgl 阅读(905) 评论(0) 推荐(0) 编辑
摘要: 通过前面的学习我们了解到了构建一个卷积神经网络所需的几个组件。回想一下我们所学过的线性模型,无论是softmax回归还是MLP,它们对于图像的分类都是将二维的图片展平为一维的向量,然后利用全连接层进行处理。而现在我们已经学会了卷积层的处理方法,可以在图像中保留空间结构。同时利用卷积层代替全连接层的另 阅读全文
posted @ 2024-08-02 16:39 codersgl 阅读(12) 评论(0) 推荐(0) 编辑
摘要: 通常当我们处理图像时,我们希望逐渐降低隐藏表示的空间分辨率、聚集信息,这样随着我们在神经网络中层叠的上升,每个神经元对其敏感的感受野(输入)就越大。 而我们的机器学习任务通常会跟全局图像的问题有关(例如,“图像是否包含一只猫呢?”),所以我们最后一层的神经元应该对整个输入的全局敏感。通过逐渐聚合信息 阅读全文
posted @ 2024-08-02 14:43 codersgl 阅读(67) 评论(0) 推荐(0) 编辑
摘要: 在上一篇文章中我们讨论了,CNN中填充和步幅的作用。同时,我们所有的讨论都是基于二维的张量,即不考虑图片的RGB通道,然而在现实生活中我们往往需要处理多通道的图片,比如RGB图片,其通道数为3。那么,我们该如何处理多通道的图片呢? 这里我们为了处理多通道图片,将我们的输入和隐藏层表示都变成三维张量。 阅读全文
posted @ 2024-08-02 12:23 codersgl 阅读(25) 评论(0) 推荐(0) 编辑
摘要: 我们都知道图像在经过卷积处理后,输出图像的尺寸一般会变小,假设输入图像尺寸为\(n_h \times n_w\),卷积核尺寸为\(k_h \times k_w\),经过卷积处理后,输出图像的尺寸为\((n_h-k_h+1)\times (n_w-k_w+1)\)。但是这个过程有个弊端,那就是在经过多 阅读全文
posted @ 2024-08-02 10:02 codersgl 阅读(84) 评论(0) 推荐(0) 编辑