机器学习

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第16天，点击查看活动详情 LSTM(Long Short-term Memory)，如字面意思一样，被称为长短记忆网络，比较擅长

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第14天，点击查看活动详情 RCNN的设计思路相对较为简单，其网络处理过程中的区域提取类似于暴力搜索，需要对每一个区域进行遍历，较

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第12天，点击查看活动详情 生成对抗网络(GAN)与前面介绍过的resnet和unet类似，也是一种网络模型，它主要由两部分构成，

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第11天，点击查看活动详情 首先，说一下SynthMorph，该论文发表于IEEE TRANSACTIONS ON MEDICAL

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第10天，点击查看活动详情 说一下Unet网络，在其被提出之后，包括Unet++在内，几乎没有像Unet这样有如此大的突破，后期的

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第9天，点击查看活动详情 前面的博客讲到了整个模型的工作原理，其中网络在进行前向传播之后会产生一个输出，这个输出与我们的标签值进行

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第8天，点击查看活动详情 上一篇博客中提到了优化器的选择和使用，本博客主要介绍目前pytorch中集成的几种优化器。先从使用最多的

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第6天，点击查看活动详情 对于一个优秀的网络，在resnet提出之前，并非越深越好，当一个网络结构增加到一定深度之后，由于特征不断

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第5天，点击查看活动详情 上一篇博客主要内容介绍了如何利用pytorch构建一个简单的网络结构，其中包括网络结构的定义，以及定义一

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第4天，点击查看活动详情 上一篇文章，学习笔记(一)中通过几个简单的例子，简略介绍了Pytorch的一些基本用法，如同numpy一

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第3天，点击查看活动详情 目前，对于图像的操作多涉及一些矩阵运算，numpy作为一个科学计算库，为一些科学计算提供了许多便捷的接口

VoxelMorph主要是对医学图像进行配准而设计，论文最初使用的是脑部的医学图像进行举例说明，论文中做了大量的比较实验来突出作者方法的优点。首先，论文提到了两种配准的方式，第一种是无监督的配准方法，

持续创作，加速成长！这是我参与「掘金日新计划 · 6 月更文挑战」的第6天， 首先，在github中下载当前的yolov5版本，网址如下： https://github.com/ultralytics

持续创作，加速成长！这是我参与「掘金日新计划 · 6 月更文挑战」的第1天， 每天都有新的发现，这篇博文首先讲一下如何制作自己的数据集，为后面训练自己的YOLOV5先打下基础。在python环境安装好

为了使得项目相对有意义，本博客使用简单的QT界面进行实现，主要使用tensorflow hub完成图片的识别，tensorflow hub是Goo

首先，需要了解一下什么是MobileNetV2，因为本博客与这个MobileNetV2有关，因为网络的训练使用的就是这个东西，它分为V1和v2两个

之前已经接触过卷积了，对于概念就不再详细叙述，前几篇博客讲述的都是直接定义网络结构，相当于一个基础的构建，主要是为了学习和体会如何构建自己的网络这

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 之前博客中有使用过交叉熵损失函数，但是没有单独列出来详细说明，作为神经网络训练过程的一个重要参数指标，我觉得有必要单独拿出来详细说明一下，同时也权

本篇博客主要讲解一下VGG16，之所以称之为16,指的是13个卷积层+3个全连接层，网络的结构如下所示。 在图片中首先看到的是输入，为224x22

上一篇博客中使用了数据增强的方式来提高模型的训练效果，在模型训练完成后对模型进行了保存，方便后期调用模型实现图片的识别。 本博客将简单的叙述如何使