摘要: 深度神经网络在诸如图像识别、目标检测、语义分割以及语音和自然语言处理上都表现的很好; 但是也存在一个问题——他们不能很好的处理真实世界数据集上的噪音; 当网络模型处理含有噪音的数据时,他们的泛化性能就会下降; 为此,我们在本文中将介绍一种提升泛化性能的方法。 文章内容主要包括: 1)为什么噪音对神经 阅读全文
posted @ 2021-05-22 11:11 hi_mxd 阅读(4042) 评论(0) 推荐(0) 编辑
摘要: 本项目的主要内容是对下面包含文本的图像背景进行去燥处理: 主要的步骤: 从kaggle中获取数据 建立项目目录 准备数据——准备自定义数据集、获取可迭代的数据Loaders 建立自编码网络 训练数据 测试数据 一、从kaggle中获取数据 数据链接 二、建立项目目录 1 ├───input 2 │ 阅读全文
posted @ 2021-05-22 10:33 hi_mxd 阅读(128) 评论(0) 推荐(0) 编辑
摘要: 数据集的准备: 训练集 测试集 训练集中包含60000个样本;测试集中包含10000个样本; Dataset类 三个重要的属性: __init__(): 初始化 __len__(): 返回数据集的长度; __getitem__(): 根据提供的索引,返回数据集中的样本 应用一:使用Dataset类的 阅读全文
posted @ 2021-05-21 22:58 hi_mxd 阅读(184) 评论(0) 推荐(0) 编辑
摘要: 在进行深度学习的时候,有时候使用迁移学习可以得到更好的结果; 什么是迁移学习? 迁移学习使用在大型数据集上预训练的网络; 使用迁移学习的好处是神经网络已经从大型数据集中学到了很多重要特征 当我们使用我们自己的数据集后,我们只需要进行微调就可以得到很好的结果; 在本博文中,我们将使用VGG16,该模型 阅读全文
posted @ 2021-05-21 22:31 hi_mxd 阅读(283) 评论(0) 推荐(0) 编辑
摘要: 在前面的博文中,我们已经实现了基于Pytorch的VGG11的搭建以及训练; 在本文中,我们将: 1)进一步理解VGG11 13 16和19 2)实现这些不同的架构; 一、VGG网络中的不同架构 ABDE较为常用;我们称之为VGG11 13 16和19 每个架构在某一特定的卷积层后都有最大池化操作; 阅读全文
posted @ 2021-05-21 15:39 hi_mxd 阅读(341) 评论(0) 推荐(0) 编辑
摘要: 在前面的博客中我们提到如何用pytorch搭建一个VGG11网络框架; 详见使用Pytorch搭建VGG网络——以VGG11为例 在本博客中,我们将使用之前搭建的VGG11网络,同时对其进行手动训练,使我们可以更好的理解模型建立和训练的过程; 主要内容: 数据集和目录结构——使用数字手写辨识来训练V 阅读全文
posted @ 2021-05-21 15:18 hi_mxd 阅读(950) 评论(0) 推荐(0) 编辑
摘要: 在深度学习中,我们可以使用预训练的模型来进行微调或者迁移学习; 有时候在没有预训练模型的情况下,我们也使用pytorch或者tf中预定义的模型; 但是手动实现理解深度学习模型也是非常重要的; 这也就是我们为什么要在这里实现CGG16的深度学习模型; 在本教程中,我们将学习到: 一、VGG11网络 1 阅读全文
posted @ 2021-05-21 12:04 hi_mxd 阅读(7406) 评论(0) 推荐(0) 编辑
摘要: 在理解闭包之前,首先要明确什么是嵌套函数(nested function)以及非局部变量(nonlocal variable); 嵌套函数:一个函数定义在另一个函数内部,称为嵌套函数; 1. 基础知识 Python中的变量范围(scope): 变量的作用范围:变量的作用范围指的在什么范围内变量可以被 阅读全文
posted @ 2021-05-20 20:35 hi_mxd 阅读(398) 评论(0) 推荐(0) 编辑
摘要: 本文主要讲解三个方面内容: 1. 什么是类 2. 类的方法 3. 类的特性 (1.封装 2.继承 3.多态) 1. 什么是类 面向对象最重要的概念就是类(class)和实例(instance); 类是抽象的模板,python中原生的类,比如dict, list 等属于类;也可以自定义类,比如用一个S 阅读全文
posted @ 2021-05-20 10:28 hi_mxd 阅读(857) 评论(0) 推荐(0) 编辑
摘要: 本文内容: 以MNIST手写体分类数据集开始; 构建一个简单的神经网络,并且追踪训练时的损失(loss); 在Fashion MNIST上使用Lenet架构进行分类; 计算Fashion MNIST上的训练及测试环节的精度与损失; 对结果使用图进行可视化 一、以MNIST手写体分类数据集开始; 1) 阅读全文
posted @ 2021-05-19 22:27 hi_mxd 阅读(483) 评论(0) 推荐(0) 编辑