标签:CNN

CNN经典网络模型架构学习之Resnet

2025-09-30
AI
CNN
Resnet网络架构是由微软亚洲研究院的何恺明等人在2015年提出,其论文为《Deep Residual Learning for Image Recognition》,在2015年的ImageNet图像识别竞赛中获得了分类、检测、定位等多个任务的冠军。这个模型的核心贡献在于解决了深层网络的训练难题,使得训练上百层甚至上千层的网络成为可能,极大地推动了计算机视觉的发展。

CNN经典网络模型架构学习之GoogleNet

2025-09-11
AI
CNN
本文对经典卷积神经网络存在的问题,以及计算机视觉图像识别领域经典的GoogLeNet架构设计的相关知识点进行了完整和详细的总结。

CNN经典网络模型架构学习之NiN

2025-09-10
AI
CNN
本文总结了卷积神经网络经典模型中的NiN(Network in Network)的设计理念、整体网络架构和具体的网络实现细节。

CNN经典网络模型架构学习之VGGNet

2025-09-09
AI
CNN
本文对计算机视觉图像识别领域经典的VGGNet模型的组成架构以及在Pytorch中的实现进行了详细的总结。

Softmax分类器的计算流程详细总结

2025-09-07
AI
CNN
Softmax激活函数一般用于多分类问题的分类器实现,本文详细介绍和总结了基于Softmax激活函数以及交叉熵损失函数来实现神经网络多分类器的完整计算流程。 实际的人工智能项目,经常会遇到多分类问题,最典型的就是基于MNIST手写数字识别数据集,对手写的0-9总共10个手写数字进行识别和分类,以及基于ImageNet的图片数据集,对日常生活中看到的1000个物体进行分类。在人工智能的机器学习领域中,最常用的多分类器的实现就是Softmax分类器。

CNN经典网络模型架构学习之AlexNet

2025-09-04
AI
CNN
本文对计算机视觉图像识别领域经典的AlexNet模型的组成架构以及在Pytorch中的实现进行了详细的总结。 在CNN经典网络模型架构学习之LeNet一文中,对Yann LeCun针对手写数字识别的LeNet5网络模型的结构进行了总结。接下来,继续学习计算机视觉领域中的那些经典模型的框架,本文总结了在ImageNet图像识别竞赛中脱颖而出的AlexNet。

CNN经典网络模型架构学习之LeNet

2025-09-01
AI
CNN
本文以用于进行手写数字识别功能的LeNet为例,分析该网络的结构以及典型的卷积神经网络的整体架构,对用于进行图像识别和处理的卷积神经网络建立初步认识。

卷积神经网络CNN的架构解析入门

2025-08-01
AI
CNN
本文基于对网络资料的学习,对一个简单的卷积神经网络CNN的架构、数据计算和传递流程进行详细的解析和总结,作为理解卷积神经网络架构的基础。

盘点深度学习神经网络架构中的常用损失函数

本文对深度学习神经网络中常用的损失函数进行详细的学习和总结,对各种损失函数的特性及其适用性进行整理,方便以后理解各种深度神经网络的架构设计。

盘点深度学习神经网络架构中的常用激活函数

本文对深度学习神经网络中常用的激活函数进行详细的学习和总结,对各个激活函数的特性及其适用性进行整理,方便以后理解各种深度神经网络的架构设计。