10 2024 档案

深度学习（np,tensor,pil,cv2互转）
摘要：在做深度学习的时候经常会在这四种格式上互转。 转换时有几个需要注意的点： 1. np和cv2都能通过cv2.imshow显示出来。 2. torchvision的transforms会把HWC转为CHW。 3. from_numpy读取的HWC还是HWC，需要额外对tensor旋转。 4. pil和 阅读全文
posted @ 2024-10-19 14:35 Dsp Tian 阅读(78) 评论(0) 推荐(0) 编辑
深度学习（模型参数直方图）
摘要：模型参数直方图可以展示模型参数在训练过程中的分布情况。 通过直方图，可以了解模型的学习状态，识别过拟合或欠拟合问题，从而进行模型调优。 下面以ResNet18为例，显示了不同层的参数直方图。 import torchvision from matplotlib import pyplot as pl 阅读全文
posted @ 2024-10-03 11:57 Dsp Tian 阅读(42) 评论(0) 推荐(0) 编辑
深度学习（可视化卷积核）
摘要：可视化卷积核参数对理解卷积神经网络的工作原理、优化模型性能、提高模型泛化能力有一定帮助作用。 下面以ResNet18为例，可视化了部分卷积核参数。 import torchvision from matplotlib import pyplot as plt import torch model = 阅读全文
posted @ 2024-10-02 13:56 Dsp Tian 阅读(56) 评论(0) 推荐(0) 编辑
深度学习（UNet）
摘要：和FCN类似，UNet是另一个做语义分割的网络，网络从输入到输出中间呈一个U型而得名。 相比于FCN，UNet增加了更多的中间连接，能够更好处理不同尺度上的特征。 网络结构如下： 下面代码是用UNet对VOC数据集做的语义分割。 import torch import torch.nn as nn 阅读全文
posted @ 2024-10-01 15:10 Dsp Tian 阅读(223) 评论(0) 推荐(1) 编辑
深度学习（计算数据集均值标准差）
摘要：深度学习中有些数据集可能不符合imagenet计算出的均值和标准差，需要根据自己的数据集单独计算。 下面这个脚本能够计算当前数据集均值和标准差。 import torch import os from PIL import Image from torchvision import transfor 阅读全文
posted @ 2024-10-01 13:21 Dsp Tian 阅读(86) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示