cnn

田里的水稻

FA_CNN卷积神经网络二十四---层\块\参数管理PyTorchFA：Formula and Algorithm，CNN：Convolution Netural Network

飞猫的边缘AI

边缘AI芯片的规则变了：从跑CNN到跑LLM和VLM如果你关注边缘AI芯片，最近有个明显变化：边缘设备跑的东西跟几年前不一样了，以前跑CNN（卷积神经网络），现在跑LLM（大语言模型）和VLM（视觉语言模型）。

卷积神经网络之VGG目录摘要一、背景二、VGG16 的核心设计思想三、VGG16网络实现四、直接使用VGG16预训练模型五、VGG19

田里的水稻

FA_CNN卷积神经网络二十一---丢弃法PyTorch过拟合是深度学习中绕不开的问题：模型在训练集上表现优异，一到测试集就"翻车"。丢弃法（Dropout）是应对过拟合最经典、最常用的正则化手段之一。本文从原理出发，先手写 dropout_layer 理解其内部机制，再用 PyTorch 框架的 nn.Dropout 做简洁实现，并在 Fashion-MNIST 上对比训练效果。

深度学习32:卷积神经网络:卷积层(卷积运算，填充，步幅)卷积层对数据进行卷积运算,卷积运算相当于图像处理中得滤波器运算对于输入数据，卷积运算以一定间隔滑动卷积核的窗口并应用。将各个位置上卷积核的元素和输入的对应元素相乘，然后再求和（也称为乘积累加运算、矩阵的内积）。

大雾的小屋

卷积神经网络原理解析：从1989年手写邮编识别到现代计算机视觉你手机上的Face ID、超市的自助结算、自动驾驶的路标识别——这些今天习以为常的东西，往上追，都指向1989年贝尔实验室一个年轻人写的邮编识别程序。那会儿他大概没想到，这个程序后来能长出这么大一片森林。

雨晨源码（同名B站）

深度学习毕业设计选题推荐：基于卷积神经网络的无人机影像建筑裂缝裂纹检测分类与分割系统（LeNet-5 二分类模型、GCN-Res50分割模型）🔥作者：雨晨源码🔥 💖简介：java、微信小程序、安卓；定制开发，远程调试代码讲解，文档指导，ppt制作💖 精彩专栏推荐订阅：在下方专栏👇🏻👇🏻👇🏻👇🏻 Java精彩实战毕设项目案例小程序精彩项目案例 Python大数据项目案例

第五章深度学习 -- 卷积神经网络卷积(Convolution)是卷积神经网络(CNN)的核心运算。对图像等高维数据,全连接层有几个根本问题:参数爆炸(224×224 图像展平后 5 万维,接到 1024 维隐藏层就有 5000 万参数)、无法利用平移不变性(猫在图像左上角或右下角都应是同一只猫)、丢失空间结构信息(像素之间的相对位置)。

论文精读｜RED-CNN：残差编解码网络，低剂量 CT 去噪的经典基线（四）里我们实测过：剂量越低，投影里的泊松噪声越大，FBP 出来的图像噪声也越重。降低剂量又不想让图像变差，有三条路：在投影域滤波、做迭代重建，或者先照常做 FBP，再在图像上去噪。

田里的水稻

FA_CNN卷积神经网络十二_CIFAR10全流程PyTorchFA：Formulas and Algorithm，CNN：Convolutional Neural Network

机器学习之心

基于CNN-BiLSTM的轴承剩余寿命预测，MATLAB代码一台电机、风机或轧机上的轴承，从装上到失效往往要跑几个月甚至几年。真正让人头疼的不是它什么时候坏，而是它在坏之前那段时间里，还剩多少可用寿命。剩余寿命（Remaining Useful Life，RUL）预测要回答的就是这个问题：给定当前振动信号，估计轴承还能撑多久。

基于 YOLOv8 与 Faster R-CNN 的盲道障碍检测系统本项目是一套基于 YOLOv8 与 Faster R-CNN 的盲道障碍检测系统，以盲道与障碍物检测数据集为数据基础，面向盲道及周边行人、车辆、路障等十六类目标完成模型训练、评估与系统应用。系统提供 Web 端和 PyQt5 桌面端，支持图片、视频和摄像头输入，并集成结果查看、历史查询、模型管理与训练指标展示，适用于项目设计、课程实践和答辩展示。

田里的水稻

FA_CNN卷积神经网络四---线性层及其拉平PyTorchFA：Formulas and Algorithm， CNN：Convolutional Neural Network

田里的水稻

FA_CNN卷积神经网络二---PyTorchFA：Formulas and Algorithm，CNN：Convolutional Neural Network

2026年CNN与Transformer融合的创新点思路我们梳理了近期发表的与CNN+Transformer前沿创新思路有关的21篇论文汇总，包含CVPR、AAAI、NeurIPS、WACV等顶会顶刊成果，旨在帮助读者快速洞察学界发展脉络与最新动态。

卷积神经网络的反向传播细节看见很多教学对于CNN的反向传播好像都是一笔带过，因为在反向传播首次出现一般在普通神经网络，讲解完普通神经网络之后，对于CNN的反向传播就忽略了，不过CNN的反向传播依旧有非常多的细节，今天我就带大家将这些细节一一梳理。

田里的水稻

FA_CNN卷积神经网络七---优化器PyTorchFA：Formulas and Algorithm，CNN：Convolutional Neural Network

田里的水稻

FA_CNN卷积神经网络三---非线性激活函数PyTorchFA：Formulas and Algorithm，CNN：Convolutional Neural Network

python与大数据分析

CNN+Transformer+Mamba 16 模型全景对比｜DeepGlobe 遥感土地覆盖分割最全开源工程基于 DeepGlobe 土地覆盖数据集，用一套统一协议训练并对比 16 个分割模型（15 个主线模型：CNN、Transformer、Mamba、混合架构；外加 4090 实验线 wangbq-net）。文后提供gitee代码地址，也算是这段时间的学习告一段落了

深度学习2-卷积神经网络卷积是一种数学运算，在深度学习（尤其是计算机视觉）中，特指二维互相关运算（通常简称为卷积）。其基本操作是：用一个小的卷积核（filter/kernel）在输入图像上滑动，对每个位置上的重叠区域做逐元素相乘再求和，得到输出特征图中的一个值。可以把卷积核想象成一个“模式探测器”或“特征筛选器”。当卷积核滑动到某个位置时，它与图像局部区域的相似度越高，输出值就越大。例如，一个检测垂直边缘的卷积核，会在图像的垂直边缘处产生较大的响应。