卷积神经网络

CNN 小白实战入门（九）：检测到人脸后，进一步判断谁戴了口罩在讲原理和代码之前，先让你看看最终做出来的东西长什么样。运行代码后，会弹出一个图形化窗口。左边占 70% 是摄像头实时预览区，右边占 30% 是控制面板——顶部 5 个按钮横向排列（打开摄像头、拍摄、训练、识别、本地识别），中间是状态栏，下方是大尺寸的识别预览区。

程序猿编码

不用 PyTorch！纯 C 实现 N 维张量 + 反向传播，完成手写数字识别训练深度学习框架的本质是什么？ PyTorch、TensorFlow这类框架底层核心就是张量存储 + 算子实现 + 自动微分引擎。很多同学学习深度学习，直接调用高层API，只懂调包，不明白反向传播、梯度怎么一步步算出来。

智码看视界

第三篇：卷积神经网络架构演进——从 LeNet 到 ResNet上期简要回顾：上篇我们用数值梯度校验和 10 层衰减实测，确认反向传播是训练深层网络的根本，也看到 Sigmoid 在深处会让梯度几乎归零。

卷积神经网络一：CNN 核心 —— 卷积、池化与特征提取全连接神经网络处理结构化表格数据表现优秀，但面对图像、语音这类高维空间数据时，会遇到难以逾越的瓶颈。一张 256×256 的彩色图片，输入维度接近 20 万，全连接层参数会爆炸式增长，不仅训练困难，还会严重过拟合；更关键的是，全连接网络将像素展平为一维向量，彻底丢失了空间结构信息，而图像的核心信息恰恰蕴含在像素的空间排列中。

极度不平衡下的机械系统故障诊断：小波包扭曲 + CNN，一个漂亮的数据增强解法读到一篇发表在Advanced Engineering Informatics上的论文，讨论的是机械系统故障诊断中一个非常现实的问题，极度不平衡数据下的故障分类。文章设定了一个相当苛刻的场景：健康样本有400个，每个故障类别却只有5个训练样本。在这种80：1的不平衡比例下，怎么让CNN还能正常工作？

FPGA部署卷积神经网络识别MINST图片PS 负责控制，DMA 通过 AXI Stream 与加速器交互完成计算，并经由 SmartConnect 以 AXI4 Full 桥接 PS 的 HP0 端口实现与 DDR 的高速数据搬运，构成控制与数据分离的异构计算架构。

FPGA CNN 网络结构完整知识点总结完整数据流：图像输入层 → Conv 卷积层 → ReLU 激活层 → Pooling 池化层 → Affine 全连接层 → ReLU 激活层 → Affine 全连接层 → Softmax 输出层整体分为两大功能模块：

装不满的克莱因瓶

掌握感知器的学习原理目录一、前言二、什么是感知器三、生物神经元与感知器四、感知器的数学模型五、激活函数六、感知器如何完成分类

ResNet-18网络模型+原理解析+Pytorch实现+手写模型ResNet-18 通过引入残差连接（Skip Connection），有效解决了深层卷积神经网络（CNN）中常见的梯度消失与网络退化问题。

性感博主在线瞎搞

【神经网络】卷积神经网络（二）卷积层以及池化层的实现上篇文章【神经网络】卷积神经网络（一）总览以及卷积层、池化层我们已经介绍了卷积神经网络中关于卷积层和池化层的运作原理，本文我们将详细说明卷积层和池化层的具体实现方式。

TensorFlow花卉图片分类器模型训练TensorFlow Lite Model Maker由于依赖库与新版本的Python不兼容的问题，我们将方案转为用 TensorFlow/Keras 训练一个花卉图片分类模型，并把训练好的模型转换为 TensorFlow Lite 的 .tflite 文件。

VGG16模型原理讲解-手写代码解析VGG16模型论文地址：https://arxiv.org/pdf/1409.1556.pdf输入：224×224 RGB 图像，

神经网络梳理神经元 neuron 的基本结构细胞体cell body 树突dendrite 轴突 axon。感知机perceptron 激活函数 activation function

青春不败 177-3266-0520

MATLAB 2024b深度学习新特性全面解析与DeepSeek大模型集成开发第一章：MATLAB 2024b深度学习工具箱新特性简介1、MATLAB Deep Learning Toolbox概览

《智能重生：从垃圾堆到AI工程师》——第九章语言与理解专栏总目录：《智能重生》AI工程师成长小说专栏陆鸣是被一阵儿童的哭声吵醒的。净土地的早上，这种声音不罕见。大断线后，孤儿的数量比任何时候都多。但今天这哭声有些不同——不是饥饿，不是疼痛，而是那种“为什么”的哭法。一个孩子反复问着一个问题，大人答不上来，孩子就一直问，问到嗓子哑了。

第六章《从感知到认知》完整学习资料本资料为《智能重生：从垃圾堆到AI工程师》第六章的配套学习内容。阅读小说原文：第六章《从感知到认知》专栏总目录：《智能重生》AI工程师成长小说专栏

【李沐 | 动手学深度学习】13 含并行连结的网络（GoogLeNet）目录前言1 GoogLeNet详解1.1 核心思想：Inception块为什么需要Inception？

【李沐 | 动手学深度学习】12 使用块的网络VGG目录前言1 VGG(1) VGG块(2) VGG架构(3) 优缺点分析2 代码实现(1) Vgg块(2) Vgg网络（Vgg-11为例）

每天进步一点点️

AI芯片NPU子系统架构解析：从计算核心到数据流转这张图其实展示了两个完全一样的“计算集群“（NPC0和NPC1），这是为了提供双核冗余或更高的算力。以NPC0为例，来梳理架构

【李沐 | 动手学深度学习】11-1 现代卷积神经网络-AlexNet上一章节学习了卷积神经网络的基本原理，本章开始现代卷积神经网络架构的学习，许多现代卷积神经网络的研究都是建立在这一章的基础上的。深度神经网络——将神经网络堆叠在一起，但由于不同的网络架构和超参数选择，这些神经网络的性能会发生很大变化。