深度学习基础——残差神经网络（ResNet） 1. 定义 残差神经网络（ResNet）是一种深度神经网络结构，由微软研究院的Kaiming He等人于2015年提出。它通过引入残差块（Residual Block）来解决深度神经网络的退化问题，使得网络可以更深地进行训练。ResNet在ImageNet图像识别挑战赛上取得了第一名的成绩，并在许多领域取得了显著的成功应用。 2. 如何计算 ResNet的核...

量本质上是一个n维数组，它在numpy中为ndarray,  在pytorch中称为tensor ， 两者的区别在于： numpy仅支持CPU计算tensor能支持GPU运算，并且支持自动微分，更适合深度学习 2. 张量的访问 一个二维矩阵a，可以使用切片的方式灵活访问： 访问指定元素：a [1,2]访问一整行元素：a [1,:]访问一整列元素：a[:,1]访问1到3行之间、第1列以后的矩形区域：a[1:...

1. 定义及联系 计算机视觉（Computer Vision）是指利用计算机和相应的数字信号处理技术，对从现实世界中获取的图像和视频数据进行理解和分析的研究领域。而深度学习（Deep Learning）是机器学习的一个分支，通过多层神经网络模型学习数据的表示，实现对复杂模式和结构的学习。深度学习技术已经成为了计算机视觉领域的主要驱动力之一，通过深度学习方法可以自动学习到数据的特征表示，从而大大提高了计算...

深度学习基础——循环神经网络的结构及参数更新方式 深度学习领域的一大重要分支是循环神经网络（Recurrent Neural Networks，简称RNN），它是一种用于处理序列数据的神经网络结构。与传统的前馈神经网络不同，循环神经网络能够利用序列中的时间信息，从而更好地建模序列数据的依赖关系。 1. 概述 循环神经网络是一种具有循环连接的神经网络结构，用于处理序列数据，如文本、时间序列等。其主要特点是...

1. 查看显卡驱动及对应cuda版本关系 1.1 显卡驱动和cuda版本信息查看方法 在命令行中输入【nvidia-smi】可以当前显卡驱动版本和cuda版本。 根据显示，显卡驱动版本为：Driver Version: 516.59，CUDA 的版本为：CUDA  Version 11.7。 此处我们可以根据下面的表1 显卡驱动和cuda版本对应关系得知，Driver Version: 527.47  ...

一、state_dict方式（推荐） torch.save(model.state_dict(), PATH) model = YourModel()model.load_state_dict(torch.load(PATH))model.eval() 记住一定要使用model.eval()来固定dropout和归一化层，否则每次推理会生成不同的结果。 二、整个模型（结构+state_dict）方式...

随着人工智能技术的快速发展，计算机视觉与深度学习已成为科技领域中最热门、最具挑战性的研究方向之一。 它们的应用范围从简单的图像处理扩展到了自动驾驶、医疗影像分析、智能监控行业等多个领域。 在这样的背景下，《MATLAB计算机视觉与深度学习实战》一书应运而生，为广大从业人员和学者提供了一个全面、深入的学习和实践平台。 书籍亮点 实战案例驱动： 本书详细讲解了29个实用的MATLAB计算机视觉与深度学习案例...

目录 简述 理解梯度 什么是梯度 计算梯度 简述 在深度学习神经网络中，反向传播是一种用来训练神经网络的常用方法。它通过计算损失函数对于网络参数的梯度，然后使用梯度下降算法更新参数，以降低损失函数的值。 梯度表示了函数在某一点上的变化率和方向，对于神经网络而言，梯度表示了损失函数对于网络参数的变化率和方向。在反向传播过程中，首先通过前向传播计算出网络的输出和损失函数的值，然后利用链式法则逐层计算参数的梯度...

一、初始化方式 在常见的CNN深度学习模型中，最常出现的是Conv卷积和BatchNorm算子。 （1）对于Conv卷积，权重初始化的方式有‘normal’，‘xavier’,‘kaiming’,‘orthogonal’ 以‘normal’方式为例：对Conv卷积的weight通常是以均值为0，标准差为0.02的正态分布进行参数初始化 （2）对于BatchNorm算子，通常是使用‘normal’方式进行...

一、代码 import configimport torchimport numpy as np device = 'cpu'# ------------------------------------------------------## 创建你的模型# ------------------------------------------------------#model = Your...