VGG网络讲解——小白也能懂
我们上文已经说了，VGG其实就是五层卷积。我们来看这个图：这个图是作者当时六次实验的结果图。在介绍这个图前，我先进行几个概念说明：卷积层全部为3*3的卷积核，用conv3-xxx来表示，xxx表示通道数。在这个表格中，我们可以看到，第一组（A）就是个简单的卷积神经网络，没有啥花里胡哨的地方。第二组（
一维卷积神经网络理解（torch.nn.Conv1d）
一维卷积参数介绍及简单使用
深度学习的通道到底是什么？有什么用？（小白可看）
关于通道的简单理解
【毕业设计】深度学习水果识别系统 - python CNN
🔥 Hi，大家好，这里是丹成学长的毕设系列文章！🔥 对毕设有任何疑问都可以问学长哦!这两年开始，各个学校对毕设的要求越来越高，难度也越来越大… 毕业设计耗费时间，耗费精力，甚至有些题目即使是专业的老师或者硕士生也需要很长时间，所以一旦发现问题，一定要提前准备，避免到后面措手不及，草草了事。为了
人工智能(Pytorch)搭建模型6-使用Pytorch搭建卷积神经网络ResNet模型
大家好，我是微学AI，今天给大家介绍一下人工智能(Pytorch)搭建模型6-使用Pytorch搭建卷积神经网络ResNet模型，在本文中，我们将学习如何使用PyTorch搭建卷积神经网络ResNet模型，并在生成的假数据上进行训练和测试。本文将涵盖这些内容：ResNet模型简介、ResNet模型结
AI赋能FPGA——基于2023年海云捷讯杯
基于第七届集创赛海云捷讯杯，我整理了一篇超级详细的AI+FPGA食用指南！全网仅此一篇！
DHVT：在小数据集上降低VIT与卷积神经网络之间差距，解决从零开始训练的问题
VIT在归纳偏置方面存在空间相关性和信道表示的多样性两大缺陷。所以论文提出了动态混合视觉变压器(DHVT)来增强这两种感应偏差。在空间方面，采用混合结构，将卷积集成到补丁嵌入和多层感知器模块中，迫使模型捕获令牌特征及其相邻特征。在信道方面，引入了MLP中的动态特征聚合模块和多头注意力模块中全新的“”
卷积神经网络每一层输出的形状、通道数、特征图数量以及过滤器数量的理解与计算。
卷积神经网络中的一些易混淆概念
CNN经典网络模型（三）：VGGNet简介及代码实现（PyTorch超详细注释版）
CNN经典网络模型之一：VGGNet，本文包含其简介及代码，在PyTorch中实现，进行超详细注释，适合新生小白阅读学习~
经典CNN卷积神经网络发展史+论文+网络实现(PyTorch)
经典CNN卷积神经网络发展史+网络实现(PyTorch)
（Matlab实现）CNN卷积神经网络图片分类
使用Matlab自带的深度学习工具箱构建卷积神经网络（CNN）进行图片分类，以识别并分类手写数字为例。首先将大量的图片数据导入；然后给不同种类的图片打上对应的分类的标签，划分为训练集和测试集；构建CNN网络其中包括3层2维卷积和3个池化层，全连接层及分类层；调整好输入输出格式对CNN进行训练及测试；
卷积神经网络（CNN）详细介绍及其原理详解
本文总结了关于卷积神经网络（CNN）的一些基础的概念，并且对于其中的细节进行了详细的原理讲解，通过此文可以十分全面的了解卷积神经网络（CNN），非常适合于作为Deep Learning的入门学习。下面就是本篇博客的全部内容！
PyTorch搭建图卷积神经网络（GCN）完成对论文分类及预测实战（附源码和数据集）
PyTorch搭建图卷积神经网络（GCN）完成对论文分类及预测实战（附源码和数据集）
卷积神经网络（convolutional neural network, CNN）
基本定义卷积神经网络(convolutional neural network, CNN)，是一类包含卷积计算且具有深度结构的前馈神经网络。卷积神经网络是受生物学上感受野（Receptive Field）的机制而提出的。卷积神经网络专门用来处理具有类似网格结构的数据的神经网络。例如，时间序列数据（可
深度学习卷积神经网络CNN之 VGGNet模型主vgg16和vgg19网络模型详解说明（理论篇）
VGGNet模型是大规模视觉识别挑战赛竞赛的第二名，六组实验，对应6个不同的网络模型，这六个网络深度逐渐递增的同时，也有各自的特点。实验表明最后两组，即深度最深的两组16和19层的VGGNet网络模型在分类和定位任务上的效果最好。从VGG背景、VGGNet模型结构、特点（创新、优缺点及新知识点）、各
卷积神经网络CNN-全连接层
卷积神经网络CNN-全连接层，特点、作用、复杂度，全连接层的操作过程详解
【代码实验】CNN实验——利用Imagenet子集训练分类网络（AlexNet/ResNet）
Imagenet是计算机视觉的经典分类比赛，但是Imagenet数据集本身太大了，我们穷学生没有这么大的算力，2016年google DeepMind团队从Imagnet数据集中抽取的一小部分（大小约3GB）制作了Mini-Imagenet数据集（也就是Imagenet的子集），共有100个类别，每
深度卷积神经网络（AlexNet）
在LeNet提出后，卷积神经网络在计算机视觉和机器学习领域中很有名气。但卷积神经网络并没有主导这些领域。这是因为虽然LeNet在小数据集上取得了很好的效果，但是在更大、更真实的数据集上训练卷积神经网络的性能和可行性还有待研究。事实上，在上世纪90年代初到2012年之间的大部分时间里，神经网络往往被其
CNN(一维卷积Conv1D)实现时间序列预测(PyTorch版)
本专栏整理了《深度学习时间序列预测案例》，内包含了各种不同的基于深度学习模型的时间序列预测方法，例如LSTM、GRU、CNN（一维卷积、二维卷积）、LSTM-CNN、BiLSTM、Self-Attention、LSTM-Attention、Transformer等经典模型，包含项目原理以及源码，每一
人脸表情识别系统——基于Mini-Xception网络模型实现表情分类（附完整代码）
人脸情绪识别系统——基于Mini-Xception网络模型实现表情分类
