基于Pytorch框架，使用梯度下降算法，训练一个卷积核#机器学习 #深度学习 #人工智能 #pytorch #神经网络

pytorch中卷积核如何初始化

28

1

19

2

举报

发布时间：2025-10-21 10:31

粉丝3.3万获赞7.2万

相关视频

07:05
挑战每天讲透一个AI大模型，今天是：卷积神经网络CNN #人工智能 #大模型 #AI大模型 #大模型学习 #卷积神经网络
4178AI大模型学习
03:22
使用卷积神经网络实现手写数字的识别 #神经网络 #卷积神经网络 #pytorch #python #计算机视觉
1402柯柏视觉编程
14:02
人工智能的数学原理不过如此 #神经网络 #卷积 #科学之美作品集 #黄金螺旋排位赛
2.4万神奇的质子
33:52
Pytorch第四章：卷积网络参数解读分析 #热点小助手 #内容启发搜索 #Pytorch #卷积神经网络 #深度学习 @迪哥资料小助手 @DOU+上热门 @抖音创作小助手 @抖音创作灵感 @抖音小助手 @在抖音学习
40迪哥谈AI
00:41
不开玩笑！深度学习无论任何的算法中，这块就是最好做的idea #深度学习 #代码 #pytorch #研究室 #论文写作
2713阿坚学不会AI（资源看简介）
14:57
39-卷积层流程分析内容包括：卷积层流程分析、卷积层类初始化，、初始化代码实现 #深度学习 #神经网络 #人工智能AI #python #编程 #机器学习 #PyTorch #TensorFlow #飞桨 #bot编程 #人工智能 #电脑知识 #在线学习编程 #线上教育编程 #代码 #代码学习
3bot编程
01:46:56
卷积神经网络最通俗讲解，cnn工作原理，看完小白也能轻松学会一个视频搞懂卷积神经网络，从 AlexNet 到 ResNet从图像到 3D，这波操作小白也能学会
#卷积神经网络 #人工智能 #深度学习 #研究生 #计算机视觉
486迪哥AI课堂
44:40
你真的学懂了卷积神经网络吗？今天讲的是卷积神经网络（CNN）#神经网络 #深度学习 #人工智能 #卷积神经网络 #CNN
47深度学习中
55:48
Pytorch实战第七章：LSTM文本分类实战 #热点小助手 #Pytorch #内容启发搜索 #深度学习 #LSTM @迪哥资料小助手 @DOU+上热门 @抖音创作小助手 @抖音小助手 @在抖音学习 @抖音创作灵感
38迪哥谈AI
46:55
看完觉得卷积神经网络真的很清晰... 今天给大家讲解的是：卷积神经网络#卷积神经网络 #CNN #人工智能 #深度学习 #机器学习
5迪哥有话说
59:23
神经网络基础：卷积神经网络原理与参数解读！ #人工智能 #深度学习 #神经网络 #卷积神经网络
25AI算法工程师
00:45
深度学习代码还能逐行解读，这下我真的要学会了！ #深度学习 #算法 #人工智能 #代码 #编程学习
2504Demo学长
00:29
#深度学习图解：卷积神经网络（CNN）全解析＃
50繁荣开源
03:39
兴奋到焦虑到无奈，Pytorch的深度学习这样学才是正确的！兴奋到焦虑到无奈，基于Pytorch的深度学习这样学才是正确的！没资源就赶快水篇论文毕业吧！#深度学习入门 #机器学习 #人工智能 #神经网络 #卷积神经网络
32Ai算法工程师Future
11:23
深度学习算法教程：卷积核大小对结果的影响，科研新手学一下吧！ #机器学习 #深度学习 #计算机视觉 #人工智能 #研究生
15迪哥带你学AI算法
03:53
【通俗讲透】用傅里叶变换“拯救”卷积网络特征还能这样重标定！| 模型改进
基于傅里叶变换的频域引导通道特征重标定：
作用位置：任何单一特征处理时，或者任何即插即用模块中。
主要功能（写作要点）：①通道权重的重标定；②特征冗余抑制与判别增强；③边界与细节保持；
代码层面：通过频率域权重调整实现对图像中关键频率成分（如边缘、纹理等高频信息或整体结构等低频信息）的自适应关注，提升特征表达能力。
#傅里叶变换 #卷积神经网络 #特征融合 #深度学习 #代码讲解
6布尔大学士
18:26
PyTorch 从入门到精通(10)—从头开始写一个卷积神经网络 #深度学习 #Pytorch #新知挑战赛
7zidea
02:54
第46讲：卷积的概念和意义播客内容基于橱窗中《人工智能技术》一书 #人工智能
2764AI充电陶老师
04:52
转置卷积 ≠ 逆卷积！ ICCV2025 真正的傅里叶可逆卷积在这里！| 即插即用模块与论文写作
可逆卷积（Reverse Convolution）：
实际意义：①转置卷积并不是卷积的真正逆运算问题：转置卷积当作“逆卷积”来使用，用于上采样。但从数学上看，转置卷积只是“插0再卷积”，并不能真正恢复卷积前的输入，存在不可逆问题。
②传统解卷积（Deconvolution）方法的局限性：经典解卷积方法用于去模糊，效率较低，且一般只适用于灰度图/RGB图像，泛化性和适应性有限，不能作为深度网络中的通用模块。
实现方式：主要包括频域逆卷积，通过填充边界、Softmax、可学习的λ正则化。
#傅里叶 #傅里叶变换 #卷积神经网络 #深度学习 #人工智能
78布尔大学士

热门推荐

热门分类