🍨本文为🔗365天深度学习训练营 中的学习记录博客🍦参考文章地址： 🔗深度学习100例-卷积神经网络实现mnist手写数字识别🍖作者：K同学啊本实验很适合小白入手。实验目的：初次尝试使用 tensorflow，构建卷积神经网络，通过训练集训练模型，在测试集上进行测试。注：tensorflow毕竟是个比较大的库，里面有很多对象、属性、方法等，我的考虑是需要用到什么再去学习怎么实现即可，这些库毕竟只是一个工具，重要的还是它本身的实现流程以及我们的思考。实验介绍：手写数字识别，从名字上来看它就是一个分类任务，我们需要处理大量的数据，使机器/模型能够更加准确地识别出：这张图片里的数字是n的可能性更大。
全连接层（FullyConnectedlayer，FC）全连接层在整个卷积神经网络中起到了分类器的作用。如果说卷积层、池化层和激活函数等操作是将原始数据映射到隐层特征空间的话，全连接层则是起到了将学到的“分布式特征表示”映射到样本标记空间的作用。在CNN中，全连接常出现在最后几层，用于对前面设计的特征做加权和。相邻层的所有神经元之间都有连接，称为全连接（fullyconnected）。用Affine层实现全连接层。在CNN结构中，经多个卷积层和池化层后，连接着1个或1个以上的全连接层。全连接层中的每个神经元与其前一层的所有神经元进行全连接，用来把前边提取到的特征综合起来。由于其全相连的特性，一
全连接层（FullyConnectedlayer，FC）全连接层在整个卷积神经网络中起到了分类器的作用。如果说卷积层、池化层和激活函数等操作是将原始数据映射到隐层特征空间的话，全连接层则是起到了将学到的“分布式特征表示”映射到样本标记空间的作用。在CNN中，全连接常出现在最后几层，用于对前面设计的特征做加权和。相邻层的所有神经元之间都有连接，称为全连接（fullyconnected）。用Affine层实现全连接层。在CNN结构中，经多个卷积层和池化层后，连接着1个或1个以上的全连接层。全连接层中的每个神经元与其前一层的所有神经元进行全连接，用来把前边提取到的特征综合起来。由于其全相连的特性，一
文章目录项目简介项目下载地址项目开发软件环境项目开发硬件环境前言一、数据加载的作用二、Pytorch进行数据加载所需工具2.1Dataset2.2Dataloader2.3Torchvision2.4Torchtext2.5加载项目需要使用的库三、加载MINIST数据集3.1数据集简介3.2数据预处理3.3加载数据集四、模型构建五、CrossEntropyLoss5.1Softmax5.2Log5.3NLLLoss六、优化器七、模型训练八、加载模型九、模型测试十、自定义手写数字识别测试十一、项目结构图十二、全部代码总结项目简介 本项目名为：基于CNN的MINIST手写数字识别项目。本项目完整
文章目录项目简介项目下载地址项目开发软件环境项目开发硬件环境前言一、数据加载的作用二、Pytorch进行数据加载所需工具2.1Dataset2.2Dataloader2.3Torchvision2.4Torchtext2.5加载项目需要使用的库三、加载MINIST数据集3.1数据集简介3.2数据预处理3.3加载数据集四、模型构建五、CrossEntropyLoss5.1Softmax5.2Log5.3NLLLoss六、优化器七、模型训练八、加载模型九、模型测试十、自定义手写数字识别测试十一、项目结构图十二、全部代码总结项目简介 本项目名为：基于CNN的MINIST手写数字识别项目。本项目完整
提示：注意文章时效性，2022.04.02。目录前言零、使用的环境一、模型准备1.导出模型2.错误记录2.1要载入完整模型（网络结构+权重参数）2.2导出的模型文件格式二、Android部署1.新建项目2.填写项目信息3.导包（添加依赖库）4.页面布局5.添加结果类别6.添加模型文件和图片7.调用模型8.运行结果三、总结前言最近在搞图像分类模型移植到Android上，本来是准备用Tensorflow来搞的，但是百度到的一些博文案例都有些老，17、18年的，然后找Tensorflow官方实现的例子，发现最开始的例子已经弃用了，换了个地方。但是这新例子里的README也没讲怎么处理模型，Tenso
提示：注意文章时效性，2022.04.02。目录前言零、使用的环境一、模型准备1.导出模型2.错误记录2.1要载入完整模型（网络结构+权重参数）2.2导出的模型文件格式二、Android部署1.新建项目2.填写项目信息3.导包（添加依赖库）4.页面布局5.添加结果类别6.添加模型文件和图片7.调用模型8.运行结果三、总结前言最近在搞图像分类模型移植到Android上，本来是准备用Tensorflow来搞的，但是百度到的一些博文案例都有些老，17、18年的，然后找Tensorflow官方实现的例子，发现最开始的例子已经弃用了，换了个地方。但是这新例子里的README也没讲怎么处理模型，Tenso
人脸检测-mtcnn本文参加新星计划人工智能赛道：https://bbs.csdn.net/topics/613989052文章目录人脸检测-mtcnn1.人脸检测1.1人脸检测概述1.2人脸检测的难点1.3人脸检测的应用场景2.mtcnn2.1mtcnn概述2.2mtcnn的网络结构2.3图像金字塔2.4P-Net2.5R-Net2.6O-Net3.工程实践（基于Keras）1.人脸检测1.1人脸检测概述人脸检测或者识别，都是根据人的脸部特征信息进行身份识别的一种生物识别术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技
人脸检测-mtcnn本文参加新星计划人工智能赛道：https://bbs.csdn.net/topics/613989052文章目录人脸检测-mtcnn1.人脸检测1.1人脸检测概述1.2人脸检测的难点1.3人脸检测的应用场景2.mtcnn2.1mtcnn概述2.2mtcnn的网络结构2.3图像金字塔2.4P-Net2.5R-Net2.6O-Net3.工程实践（基于Keras）1.人脸检测1.1人脸检测概述人脸检测或者识别，都是根据人的脸部特征信息进行身份识别的一种生物识别术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技
摘要：在本案例中，我们将展示如何对基础的MaskR-CNN进行扩展，完成人体关键节点标注的任务。本文分享自华为云社区《使用MaskR-CNN模型实现人体关键节点标注》，作者：运气男孩。前言ModelArts是面向开发者的一站式AI开发平台，为机器学习与深度学习提供海量数据预处理及交互式智能标注、大规模分布式训练、自动化模型生成，及端-边-云模型按需部署能力，帮助用户快速创建和部署模型，管理全周期AI工作流。背景MaskR-CNN是一个灵活开放的框架，可以在这个基础框架的基础上进行扩展，以完成更多的人工智能任务。在本案例中，我们将展示如何对基础的MaskR-CNN进行扩展，完成人体关键节点标注的
