基于PyTorch的CIFAR-10图像分类项目总结(2)

  1. 添加每个类别准确率计算

在整体准确率计算后新增功能:

初始化每个类别的正确预测计数器和总样本计数器

遍历测试集统计每个类别的预测结果

计算并打印10个类别的单独准确率

修正了原代码中的语法错误

  1. 增加全局平均池化网络架构

在CNNNet类后新增Net类:

使用全局平均池化替代全连接层

减少参数数量,防止过拟合

保持相同的卷积层结构但修改全连接部分

添加参数总数统计和打印

3.思考:卷积层的通道为什么会增加

注意:在输入图像到达卷积层后原本的RGB三通道与卷积后的超参数不相关

个人感觉卷积核就像高维度想低维度的收缩核心

关于卷积内部运行印象

相关推荐
火山引擎开发者社区几秒前
从 Vibe Coding 到 Agentic Engineering:ArkClaw + Supabase,打造你的私有化 Agent 工厂
人工智能
七牛云行业应用43 分钟前
GPT-5.4 mini 与 nano 深度评测:核心差异、API 成本实测与选型指南
人工智能·openai·api调用·gpt-5.4·大模型降本
cxr8281 小时前
PaperclipAI 组织关系与智能体协作指南
数据库·人工智能·架构·ai智能体·openclaw
大傻^1 小时前
Spring AI Alibaba RAG实战:基于向量存储的检索增强生成
java·人工智能·spring
Physicist in Geophy.1 小时前
claude code workflow
人工智能
大傻^1 小时前
Spring AI Alibaba 快速入门:基于通义千问的AI应用开发环境搭建
java·人工智能·后端·spring·springai·springaialibaba
跨境卫士-小汪1 小时前
高风险订单识别不足如何设置拦截与二次核验
大数据·人工智能·产品运营·跨境电商·营销策略
心勤则明1 小时前
用 Spring AI Alibaba 打造智能查询增强引擎
java·人工智能·spring
njsgcs2 小时前
图卷积是如何处理不同输入长度的 消息传递
人工智能