【深度学习】一文向您详细介绍深度学习中的 batch_size
【深度学习】一文向您详细介绍深度学习中的 batch_size 🌵文章目录🌵 🎓 一、引言💡 二、batch_size的概念与作用2.1 为什么需要batch_size？2.2 小批量梯度下降的优点 🔍 三、如何选择合适的batch_size💻 四、代码示例📈 五、batch_size对训练的影响🔍 六、如何调整batch_size📚 七、总结与展望 🎓 一、引言 在深度学习的世界中，batc...
【YoloDeployCsharp】基于.NET Framework的YOLO深度学习模型部署测试平台
YoloDeployCsharp|基于.NET Framework的YOLO深度学习模型部署测试平台 1. 项目介绍2. 支持模型3. 时间测试4. 总结 1. 项目介绍 基于.NET Framework 4.8 开发的深度学习模型部署测试平台，提供了YOLO框架的主流系列模型，包括YOLOv8~v9，以及其系列下的Det、Seg、Pose、Obb、Cls等应用场景，同时支持图像与视频检测。模型部署...
深度学习模型Deep Learning Model
什么是深度学习？？ 深度学习模型的核心特点包括： 深度学习的发展史 总结： 当我们说深度学习模型时，我们在谈论一种特殊的计算机程序，它们可以像人类大脑一样学习和理解数据。这些程序被称为“深度学习”模型，因为它们由很多层次（或称为深度）组成，每一层都会逐步学习更加抽象和复杂的概念。让我用一个比喻来解释：想象你正在学习做一个汉堡包，你需要逐步学习每一个步骤，比如烤面包、煎牛肉饼、加上蔬菜和酱料等等。深度...
【深度学习基础（2）】深度学习之前：机器学习简史
文章目录 一. 深度学习的起源1. 概率建模--机器学习分类器2. 早期神经网络--反向传播算法的转折3. 核方法 -- 忽略神经网络4. 决策树、随机森林和梯度提升机5. 神经网络替代svm与决策树 二. 深度学习与机器学习有何不同 可以这样说，当前工业界所使用的大部分机器学习算法不是深度学习算法。深度学习不一定总是解决问题的正确工具：有时没有足够的数据，深度学习不适用；有时用其他算法可以更好地解决问...
【PyTorch与深度学习】3、PyTorch张量的运算API（下）
课程地址 最近做实验发现自己还是基础框架上掌握得不好，于是开始重学一遍PyTorch框架，这个是课程笔记，这个课还是讲的简略，我半小时的课听了一个半小时。 1. PyTorch的数据类型 浮点数计算方式详见IEEE 754二进制浮点数算术标准百度百科，实际炼丹的时候注意一下就行，不用细究，主要是精度不同。 2. 张量操作 （1）take：返回一个新张量，其元素为给定索引处的输入。输入张量被视为1-D张量...
在图像处理领域，机器学习方法和深度学习方法的优势
在图像处理领域，机器学习方法和深度学习方法都被广泛应用，但两者有一些不同点和各自的优势。 机器学习 机器学习方法是利用数据和统计学方法来构建模型和算法，从而对图像进行分类、分割、特征提取等任务。常见的机器学习方法包括支持向量机（SVM）、随机森林（Random Forest）、决策树等。它们通常需要手动选择和提取图像的特征，然后通过训练模型来学习特征与标签之间的关系。机器学习方法的优点是对于小规模数据集...
【PyTorch与深度学习】5、深入剖析PyTorch DataLoader源码
课程地址 最近做实验发现自己还是基础框架上掌握得不好，于是开始重学一遍PyTorch框架，这个是课程笔记，此节课很详细，笔记记的比较粗 1. DataLoader 1.1 DataLoader类实现 1.1.1 构造函数__init__实现 构造函数有如下参数： dataset：传入自己定义好的数据集类Datasetbatch_size：默认值为1，它代表着每批次训练的样本的个数shuffle：布尔类型...
【深度学习基础（3）】初识神经网络之深度学习hello world
ras库来学习手写数字分类。 在这个例子中，我们要解决的问题是，将手写数字的灰度图像（28像素×28像素）划分到10个类别中（从0到9）。我们将使用MNIST数据集。你可以将“解决”MNIST问题看作深度学习的“Hello World”，用来验证你的算法正在按预期运行。下图给出了MNIST数据集的一些样本。 说明 你不需要现在就尝试在计算机上运行这个例子。之后的文章会具体分析。 一. 训练Kera...
【深度学习实战（29）】后处理之NMS（非极大值抑制）
一、NMS工作原理 NMS 的工作原理： 置信度排序：对于每个类别，NMS 首先根据每个边界框的置信度（即预测框中含有目标的概率）进行排序。选择最高置信度框：从置信度最高的边界框开始，将其作为当前考虑的“最大”候选。计算交并比（IoU）：计算当前最大候选与所有其他边界框的交并比（Intersection over Union）。IoU 是两个边界框交集面积与并集面积的比值，用于衡量边界框之间的重叠程度。...
【深度学习基础（1）】什么是深度学习，深度学习与机器学习的区别、深度学习基本原理，深度学习的进展和未来
文章目录 一. 深度学习概念二. 深度学习与机器学习的区别三. 理解深度学习的工作原理1. 每层的转换进行权重参数化2. 怎么衡量神经网络的质量3. 怎么减小损失值 四. 深度学习已取得的进展五. 人工智能的未来 - 不要太过焦虑跟不上 一. 深度学习概念 先放一张图来理解下人工智能、机器学习、神经网络和深度学习之间的关系。 深度学习是机器学习的一个分支领域：它从数据中学习表示，强调从连续的层中学习...