zhangzhoubin666的博客

1、GoogleNet

1、目标检测基本介绍1.1、项目结构 1.2、目标检测的算法分类1.2.1两步走的目标检测：先进行区域推荐、而后进行目标分类代表算法 ：R-CNN、 SPP-net、Fast-R-CNN、Faster R-CNN1.2.2、端到端的目标检测：采用一种网络一步到位 代表：YOLO、SSD1.3目标检测的本质分类问题和目标检测问题的对比：分类问题：N个类别 输入：图片 输出：类别 评估...

1、梯度理解梯度 - 知乎2、激活函数 对于上面两张图进行解释：第一张是人工神经元，其是模拟人类神经信息的传递过程，第二种就神经网络，可以看出神经网络是由大量神经元构成的，其中神经的计算过程是 ​​​​​​​ ...

1、更新权重和偏置：对于权重和偏置的优化本质就是使得模型的损失最小，也就是对于损失函数求取最小值，此时的权重和偏置就是模型最终的权重和偏置：2、权重和偏置的更新公式： 其中Wnew为下一时刻的更新权重，也就是目标值，Wold是当前时刻的权重，loss为损失函数（变量为权重和偏置），为学习率，采用梯度下降算法进行优化权重和偏置。...

# -*- coding:utf-8 -*-"""@author:@file: test.py@time: 2021/8/8 13:52@desc:"""'''#break、continue、pass功能的测试'''#测试pass功能点,结果：继续循环，不会做任何操作number = 10for i in range(10): if i == 5: pass if i < number: print("The number is .

1、mnist数据的分类，该实验进行了完整的模型训练测试以及预测，将新的样本送入进行预测，直观表征模型的有效性。keras送入模型训练的是ndarray数据，不要转化成tensor。# -*— coding:utf-8 -*-# @time :2021/10/27 11:49# @Author :zhangzhoubin'''Keras的研究，基于tensorflow theano框架的二次封装''''''功能：实现minist分类'''#导入第三方模块import cv2.

#导入所需的模块import torcha=torch.rand(2,3)print(a)b=torch.randn(3,4) #产生均值为0 方差为1的矩阵c=torch.range(1,10,1)print(c)#矩阵相加d=torch.randn(3,4)e=torch.randn(3,4)f=torch.add(d,e)g=torch.div(d,e)print(f)print(g)#搭建神经网络(依靠一定计算更新梯度)# import torch## ba.