- 深度学习：VGG（Vision Geometrical Group）论文详细讲解 前置知识Lenet-5服装分类卷积神经网络详细指南SGD+动量法反向传播公式推导 VGG模型 概述vgg原文💡虽然AlexNet证明深层神经网络卓有成效，但它没有提供一个通用的模板来指导后续的研究人员设计新的网络。与芯片设计中工程师从放置晶体管到逻辑元件再到逻辑块的过程类似，神经网络架构的设计也逐渐变得更加... 深度学习：VGG（Vision Geometrical Group）论文详细讲解 前置知识Lenet-5服装分类卷积神经网络详细指南SGD+动量法反向传播公式推导 VGG模型 概述vgg原文💡虽然AlexNet证明深层神经网络卓有成效，但它没有提供一个通用的模板来指导后续的研究人员设计新的网络。与芯片设计中工程师从放置晶体管到逻辑元件再到逻辑块的过程类似，神经网络架构的设计也逐渐变得更加...
- 深度学习：NiN（Network In Network）详细讲解与代码实现 网络核心思想LeNet、AlexNet和VGG都有一个共同的设计模式：通过一系列的卷积层与汇聚层来提取空间结构特征；然后通过全连接层对特征的表征进行处理。AlexNet和VGG对LeNet的改进主要在于如何扩大和加深这两个模块。或者，可以想象在这个过程的早期使用全连接层。然而，如果使用了全连接层，可能会完全放弃表征... 深度学习：NiN（Network In Network）详细讲解与代码实现 网络核心思想LeNet、AlexNet和VGG都有一个共同的设计模式：通过一系列的卷积层与汇聚层来提取空间结构特征；然后通过全连接层对特征的表征进行处理。AlexNet和VGG对LeNet的改进主要在于如何扩大和加深这两个模块。或者，可以想象在这个过程的早期使用全连接层。然而，如果使用了全连接层，可能会完全放弃表征...
- @TOC 简介Hello！非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～ ଘ(੭ˊᵕˋ)੭昵称：海轰标签：程序猿｜C++选手｜学生简介：因C语言结识编程，随后转入计算机专业，获得过国家奖学金，有幸在竞赛中拿过一些国奖、省奖…已保研学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语！ 唯有努力💪 【每日一读】每天浅读一篇论文，了解专业前沿知识，培养阅读习惯... @TOC 简介Hello！非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～ ଘ(੭ˊᵕˋ)੭昵称：海轰标签：程序猿｜C++选手｜学生简介：因C语言结识编程，随后转入计算机专业，获得过国家奖学金，有幸在竞赛中拿过一些国奖、省奖…已保研学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语！ 唯有努力💪 【每日一读】每天浅读一篇论文，了解专业前沿知识，培养阅读习惯...
- @TOC 简介Hello！非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～ ଘ(੭ˊᵕˋ)੭昵称：海轰标签：程序猿｜C++选手｜学生简介：因C语言结识编程，随后转入计算机专业，获得过国家奖学金，有幸在竞赛中拿过一些国奖、省奖…已保研学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语！ 唯有努力💪 【每日一读】每天浅读一篇论文，了解专业前沿知识，培养阅读习惯... @TOC 简介Hello！非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～ ଘ(੭ˊᵕˋ)੭昵称：海轰标签：程序猿｜C++选手｜学生简介：因C语言结识编程，随后转入计算机专业，获得过国家奖学金，有幸在竞赛中拿过一些国奖、省奖…已保研学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语！ 唯有努力💪 【每日一读】每天浅读一篇论文，了解专业前沿知识，培养阅读习惯...
- @TOC 概述通过前面的内容，我们深入剖析了单个感知机是如何运作的，如果想了解欢迎考古：感知机从理论到代码。接下里，我们来探讨一下：为什么感知机不能解决疑惑问题，但是多层感知机却可以解决？为什么激活函数从分段函数变成了sigmoid函数？ 异或问题 前置我们知道计算机的所有程序最底层都是由与、或、异或来组成的，假设我们证明了多层感知机可以实现这四种运算，那么我们就可以假设它理论上可以逼近任何... @TOC 概述通过前面的内容，我们深入剖析了单个感知机是如何运作的，如果想了解欢迎考古：感知机从理论到代码。接下里，我们来探讨一下：为什么感知机不能解决疑惑问题，但是多层感知机却可以解决？为什么激活函数从分段函数变成了sigmoid函数？ 异或问题 前置我们知道计算机的所有程序最底层都是由与、或、异或来组成的，假设我们证明了多层感知机可以实现这四种运算，那么我们就可以假设它理论上可以逼近任何...
- @TOC 前置知识回顾损失函数：交叉熵优化方法：SGD与GD网络结构：多层感知机是如何运作的链式法则： 前向传播首先定义一个简单的三层全连接神经网络，其中为了方便运算，我们省略了激活函数与偏置系数b，网络结构如图所示：下面我们开始前向计算： 1.在这里我们发现，其中计算的结果也就是隐藏层神经元... @TOC 前置知识回顾损失函数：交叉熵优化方法：SGD与GD网络结构：多层感知机是如何运作的链式法则： 前向传播首先定义一个简单的三层全连接神经网络，其中为了方便运算，我们省略了激活函数与偏置系数b，网络结构如图所示：下面我们开始前向计算： 1.在这里我们发现，其中计算的结果也就是隐藏层神经元...
- @TOC Xavier初始化理论权值初始化对网络优化至关重要。早年深度神经网络无法有效训练的一个重要原因就是早期人们对初始化不太重视。我们早期用的方法大部分都是随机初始化，而随着网络深度的加深，随机初始化在控制数值稳定性上也可能失效。Xavier这个方法可以考虑输入层与输出层的维度，使在forward 和backward阶段保持每层之间均值与方差接近。我们拿mlp举例，为了方便运算，忽略激活... @TOC Xavier初始化理论权值初始化对网络优化至关重要。早年深度神经网络无法有效训练的一个重要原因就是早期人们对初始化不太重视。我们早期用的方法大部分都是随机初始化，而随着网络深度的加深，随机初始化在控制数值稳定性上也可能失效。Xavier这个方法可以考虑输入层与输出层的维度，使在forward 和backward阶段保持每层之间均值与方差接近。我们拿mlp举例，为了方便运算，忽略激活...
- @TOC 前置知识 1.1随机梯度下降与梯度下降 1.2梯度下降法与最小二乘法的差异 1.3为什么需要梯度下降法 1.4梯度方向为什么是函数下降最快的反方向 1.5 指数加权平均假设有10个数，xix_ixi :=0 1 2 3 4 5 6 7 8 9 ，想求这组数据的平均值，我们所知的方法一般是算是平均法：$$\overline{x}=\dfrac{0+1+2+3+4+5+6+7+8+9... @TOC 前置知识 1.1随机梯度下降与梯度下降 1.2梯度下降法与最小二乘法的差异 1.3为什么需要梯度下降法 1.4梯度方向为什么是函数下降最快的反方向 1.5 指数加权平均假设有10个数，xix_ixi :=0 1 2 3 4 5 6 7 8 9 ，想求这组数据的平均值，我们所知的方法一般是算是平均法：$$\overline{x}=\dfrac{0+1+2+3+4+5+6+7+8+9...
- @TOC 前置知识卷积神经网络详细指南SGD+动量法反向传播公式推导 LeNet-5模型详解LeNet，它是最早发布的卷积神经网络之一，因其在计算机视觉任务中的高效性能而受到广泛关注。 这个模型是由AT&T贝尔实验室的研究员YannLeCun在1989年提出的（并以其命名），目的是识别图像 [LeCun et al., 1998]中的手写数字。 当时，YannLeCun发表了第一篇通过反向传... @TOC 前置知识卷积神经网络详细指南SGD+动量法反向传播公式推导 LeNet-5模型详解LeNet，它是最早发布的卷积神经网络之一，因其在计算机视觉任务中的高效性能而受到广泛关注。 这个模型是由AT&T贝尔实验室的研究员YannLeCun在1989年提出的（并以其命名），目的是识别图像 [LeCun et al., 1998]中的手写数字。 当时，YannLeCun发表了第一篇通过反向传...
- @TOC 简介Hello！非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～ ଘ(੭ˊᵕˋ)੭昵称：海轰标签：程序猿｜C++选手｜学生简介：因C语言结识编程，随后转入计算机专业，获得过国家奖学金，有幸在竞赛中拿过一些国奖、省奖…已保研学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语！ 唯有努力💪 【每日一读】每天浅读一篇论文，了解专业前沿知识，培养阅读习惯... @TOC 简介Hello！非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～ ଘ(੭ˊᵕˋ)੭昵称：海轰标签：程序猿｜C++选手｜学生简介：因C语言结识编程，随后转入计算机专业，获得过国家奖学金，有幸在竞赛中拿过一些国奖、省奖…已保研学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语！ 唯有努力💪 【每日一读】每天浅读一篇论文，了解专业前沿知识，培养阅读习惯...
- detect.pyimport argparse #python的命令解析的模块，内置于python，不需要安装import torch.backends.cudnn as cudnn from models.experimental import *from utils.datasets import *from utils.utils import *from models.LPRN... detect.pyimport argparse #python的命令解析的模块，内置于python，不需要安装import torch.backends.cudnn as cudnn from models.experimental import *from utils.datasets import *from utils.utils import *from models.LPRN...
- 本程序主要介绍完整地模型训练套路，当loss为nan, 解决办法为减小学习速率 本程序主要介绍完整地模型训练套路，当loss为nan, 解决办法为减小学习速率
- @TOC 简介Hello！非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～ ଘ(੭ˊᵕˋ)੭昵称：海轰标签：程序猿｜C++选手｜学生简介：因C语言结识编程，随后转入计算机专业，获得过国家奖学金，有幸在竞赛中拿过一些国奖、省奖…已保研学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语！ 唯有努力💪 【每日一读】每天浅读一篇论文，了解专业前沿知识，培养阅读习惯... @TOC 简介Hello！非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～ ଘ(੭ˊᵕˋ)੭昵称：海轰标签：程序猿｜C++选手｜学生简介：因C语言结识编程，随后转入计算机专业，获得过国家奖学金，有幸在竞赛中拿过一些国奖、省奖…已保研学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语！ 唯有努力💪 【每日一读】每天浅读一篇论文，了解专业前沿知识，培养阅读习惯...
- @TOC 简介Hello！非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～ ଘ(੭ˊᵕˋ)੭昵称：海轰标签：程序猿｜C++选手｜学生简介：因C语言结识编程，随后转入计算机专业，获得过国家奖学金，有幸在竞赛中拿过一些国奖、省奖…已保研学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语！ 唯有努力💪 【每日一读】每天浅读一篇论文，了解专业前沿知识，培养阅读习惯... @TOC 简介Hello！非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～ ଘ(੭ˊᵕˋ)੭昵称：海轰标签：程序猿｜C++选手｜学生简介：因C语言结识编程，随后转入计算机专业，获得过国家奖学金，有幸在竞赛中拿过一些国奖、省奖…已保研学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语！ 唯有努力💪 【每日一读】每天浅读一篇论文，了解专业前沿知识，培养阅读习惯...
- @TOC 简介Hello！非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～ ଘ(੭ˊᵕˋ)੭昵称：海轰标签：程序猿｜C++选手｜学生简介：因C语言结识编程，随后转入计算机专业，获得过国家奖学金，有幸在竞赛中拿过一些国奖、省奖…已保研学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语！ 唯有努力💪 【每日一读】每天浅读一篇论文，了解专业前沿知识，培养阅读习惯... @TOC 简介Hello！非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～ ଘ(੭ˊᵕˋ)੭昵称：海轰标签：程序猿｜C++选手｜学生简介：因C语言结识编程，随后转入计算机专业，获得过国家奖学金，有幸在竞赛中拿过一些国奖、省奖…已保研学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语！ 唯有努力💪 【每日一读】每天浅读一篇论文，了解专业前沿知识，培养阅读习惯...
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第三期2026/08/21 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；念擎-华为云AI开发者运营案例开发专家
本期直播内容：AI六层能力首次详细解读 + 新一代华为云开发者空间亮相 + 校园案例直播带练
回顾中 -
华为云开发者AI素养直播课·第四期2026/08/28 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；吴松明-华为云AI开发者案例开发专家
EduSwarm 是一个基于多智能体框架构建的 AI 教师团队协作平台：把备课、上课、作业、批改、学情等教学环节，交给多位专职 AI Agent（课件师、出题官、批改师、学情分析师等）协作完成。教师从「亲力亲为」变成「做决策」，学生只需凭课堂码加入即可实时跟课。
回顾中
热门标签