240 发简信
IP属地:北京
  • day9-图像风格迁移

    定义两个间距,一个用于内容,另一个用于风格 测量两张图片内容的不同,而用来测量两张图片风格的不同。然后,我们输入第三张图片,并改变这张图片,使其...

  • day9-目标检测

    边界框(bounding box) 是最后定位目标的框,是结果 anchor box 目标检测算法通常在输入图像中采样大量区域,然后判断这些区域...

  • day8-模型微调

    本是应用于迁移学习的方法,使用预训练的模型,但是输出层自己定义 定义并加载模型 剩下就是读取数据正常训练了 如果不冻结前面层的参数,建议前面层l...

  • day8-数据增强

    读取图像: 翻转和裁剪 颜色变化: 亮度(brightness)、对比度(contrast)、饱和度(saturation)和色调(hue)变化...

  • day7-梯度下降

    随机梯度下降 每次使用一个样本 批量梯度下降 每次使用全部样本 小批量梯度下降 每次使用一个batch

  • day7-凸优化

    矛盾 纯粹的优化方法是最小化训练集的损失函数而我们的目标是测试集损失函数的最小化,也就是可以泛化而不是过拟合 需要避免的几种情况: 局部最小值鞍...

  • Resize,w 360,h 240
    day7-批量归一化和残差网络

    BN层: 全连接层的BN 位置:仿射变换和激活函数之间pytorch:nn.BatchNorm1d 卷积层的BN 位置:卷积计算和激活函数之间p...

  • Resize,w 360,h 240
    day5-Transformer

    和seq2seq模型相似,Transformer同样基于编码器-解码器架构,其区别主要在于以下三点: Transformer blocks:将s...

  • day5-attention机制和Seq2Seq

    内容包括: attention机制 为什么需要attention 简介 Seq2Seq attention 为什么需要attention 由于之...