- 博客(12)
- 收藏
- 关注
RSS订阅原创 J2：ResNet-50v2算法实战与解析 - 鸟类识别
else:else:return xreturn xreturn x本次数据导入不使用torchvision自带的数据集，而是从原始数据中进行处理。这包括数据的加载、分类情况的检查、定义转换操作（transforms）以及数据类型的转换等。训练函数接受四个参数：设置好的DataLoader、定义好的模型、损失函数和优化器。在函数内部，首先初始化损失和准确率为0，然后进入循环，从DataLoader获取一个批次的数据，将其输入模型以获得预测值，并利用损失函数计算损失。
2024-10-18 21:05:48
1205
原创 J1：ResNet-50算法实战与解析
IdentityBlock 和 ConvBlock 定义return xreturn x# ResNet50模型定义return x# 初始化模型# 定义损失函数和优化器。
2024-10-11 21:35:16
290
1原创 P9：YOLOv5-Backbone模块实现
在YOLOv5 Backbone的基础上，可以尝试对卷积层、残差模块、SPPF等进行微调或增加，例如引入注意力机制（如CBAM或SE模块）来提升特征提取能力。：在网络深度和宽度上进行调整，参考VGG的深度网络结构，增加层数或调整每层的通道数，或使用稀疏连接（如DenseNet的密集连接）提升特征的多样性。在结果可视化方面，通过绘制损失和准确率的曲线，并对模型进行详细评估，将能更好地展示实验成果。：考虑在识别任务中引入特定损失函数，如加权交叉熵损失，用于处理数据不平衡或更复杂的分类任务。
2024-09-20 17:01:33
397
原创 P4：猴痘病识别（图片识别）
首先还是配置环境，与之前代码相同，不再附录；glob()data_dirdata_pathssplit()data_paths划分数据集。
2024-08-16 17:36:14
309
原创 P2：CIFAR10彩色图片识别
二、导入数据使用dataset下载CIFAR10数据集，划分好训练集与测试集；使用dataloader加载数据，设置好基本的batch_size三、数据可视化对于其中的transpose(C, H, W)CHW(C, H, W)(H, W, C)可视化结果为从CIFAR10数据集中取出的随机排列的图片对于普通CNN网络，都是由特征提取网络和分类网络构成，按作用看特征提取网络用语提取图片的特征，分类网络用于将图片进行分类。
2024-08-02 16:54:04
416
原创 P1：实现mnist手写数字识别
二、导入数据根据项目要求将MNIST数据集导入并划分训练集与测试集，用dataset下载，dataloader加载数据，设置基本batch_size此处1.train_dl是pytorch数据加载器的一种，用于加载训练数据集。通常加载器将数据集分成小批量batches进行处理；2.iter(train_dl)将数据加载器转换为迭代器iterator，使可使用next()函数访问数据加载器中的元素；3.next()函数用于获取迭代器中的下一个元素，此处获取的是train_dl中的下一个批量数据；
2024-07-26 19:49:59
388
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人