- 博客(5)
- 收藏
- 关注
RSS订阅原创 多模态与视觉Transformer前沿技术学习报告
在27个数据集上，CLIP无需微调即可超越ResNet50的线性探测（Linear Probe）结果（如ImageNet-R准确率提升51.2%）。将类别标签转换为提示文本（如“A photo of a [class]”），计算与图像特征的余弦相似度。双塔结构：图像编码器（ResNet/ViT）与文本编码器（Transformer）分别提取特征。损失函数：对称交叉熵损失（InfoNCE），最大化正样本对的相似度。图像-文本对映射到统一向量空间，相似样本靠近，不相似样本远离。
2025-06-03 15:38:32
984
原创 循环神经网络与自然语言处理学习报告
输入输出：序列到序列（如机器翻译）或序列到标量（如情感分类）。应用场景：需要上下文信息的任务（如命名实体识别、情感分析）。长程依赖问题：随着时间步增加，早期信息逐渐丢失（梯度消失）。优势：参数较少，训练速度快，适合短序列任务（如文本生成）。填充与截断：统一序列长度（如IMDB影评对齐为固定长度）。更新门（Zₜ）：决定当前输入和过去隐藏状态的融合比例。重置门（Rₜ）：控制过去隐藏状态对当前候选状态的影响。截断策略：为减少计算量，仅回溯固定步长（如τ=5）。
2025-05-26 02:43:09
280
原创 深度学习视觉应用学习报告
10类彩色图像数据集（飞机、汽车、鸟等），每类6,000张，50,000训练+10,000测试。：经典手写数字数据集，包含0-9共10类，60,000张训练图像和10,000张测试图像。：替代MNIST的时尚物品数据集，由Zalando提供，包含10类商品（如T恤、鞋子等）。：目标检测与分割经典数据集，2012版最常用，含20类（如人、车、动物等）。：28×28像素灰度图，文件分为训练图像、训练标签、测试图像、测试标签。：微软推出的复杂场景理解数据集，涵盖80类（如人、交通工具、家具等）。
2025-05-18 23:01:55
750
原创 卷积神经网络基础学习报告——从理论到经典模型解析
输入（32×32）→ C1（6@28×28）→ S2（6@14×14）→ C3（16@10×10）→ S4（16@5×5）→ 全连接层→输出。：输入为1000×1000的图像，若全连接层有1M个节点，输入到隐层的参数达1×10121×1012级别。：H(x)=F(x)+xH(x)=F(x)+x，其中F(x)F(x)为残差函数。：RGB图像输入时，卷积核需匹配输入通道数（如3×3×3）。：13层卷积（3×3核）+3层全连接，参数量1.38亿。：局部连接（卷积）替代全连接，权值共享大幅减少参数量。
2025-05-11 17:47:45
843
原创 神经网络与深度学习学习报告——基于性能优化与卷积神经网络基础
性能优化：通过初始化、正则化、自适应学习率等方法提升训练效率与模型泛化能力。卷积网络：从LeNet-5到ResNet，结构逐步深化，解决参数量爆炸与梯度消失问题。数据集：根据任务需求选择合适数据集，结合数据增强与迁移学习提升效果。n_j1%7Dv_t。
2025-05-04 22:41:35
542
1
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