摘要：
相对于未加SE的HybridSN来说，我在最后一层加入了一个SE模块，效果有所提升 思考： 通过视频学习，在图像处理过程中，需要如何获取更多的有效的图片中的信息来训练自身的网络， 特别是在有特定资源限制或是特定应用场景，如何去设计网络结构（改变部分结构）和设计图片的感受 野来获取想要自身信息是该网络 阅读全文
摘要：
首先先将数据进行预处理，将数据channal调整为192，并进行归一化处理 然后将数据分别进行1*1，1*1+3*3，1*1+2个3*3卷积，3*3进行池化并进行1*1卷积， 将卷积和池化结果进行串联 在a3,b3计算结束后进行一次池化 在b5之后进行平均池化，然后进行全链接 阅读全文
摘要：
首先将数据进行预处理，取中心大小224*224，转化成tensor,并进行标准化，并将数据放到队列当中 设置VGG的最后全连接层为（4096，2），分两类最后用逻辑回归的softmax计算出该网络将该图片分到猫或狗哪类的概率 阅读全文
摘要：
首先将数据进行处理，将训练集和测试机的图片大小进行随机裁剪得到40*40的图像 建立VGG神经网络，第一层 channal=3 fliter=64 kernel size=3 spading=1 第二层 channal=64 fliter=128 kernel size=3 spading=1 每层 阅读全文
摘要：
该CNN网络 第一层卷积 3channel,6fliter和kernalsize=5卷积 第二次卷积 6channel,16fliter和kernal size=5卷积 每次卷积后进行[2,2]的pool 将卷积后的结果进行reshape进行了2层的神经元连接 然后梯度下降求出权重，得出结果 阅读全文
摘要：
卷积神经网络需要设计主要是需要考虑卷积的参数值的设置，包括channel,fliter,kernel,stride,spandding 每层需要进行 卷积、激活、池化，层与层需要进行Linear,最后层需要将链接数据打平 阅读全文
摘要：
关于复杂的分类问题，线性模型通常满足不了实际需求，结果表现的不好。 增加了sigmod的二层网络，基本可以满足分类的需求 阅读全文
摘要：
回归分析是为了拟合一条尽可能可以满足数据的曲线，通过数据的不断输入，求出最优的权重。 sigmod是神经网络的重要组成部分，没有它,即时中间有再多层、结构也没有意义，要选取适合当前网络的sigmod 阅读全文
摘要：
由于在高校工作三年，对自身在计算机领域的学习有很多的不足，所以选择读博士来拓展学识、开阔眼界。 在高校网络中心工作的时间里，我深刻体会到先进的技术与实际应用有着很悬殊的差异，所以我希望在博士 期间不仅加强理论知识的研究，更要将其应用到实际的环境中，不单单是将数据放在算法里，调参，改进得出结 果。现在 阅读全文