这篇主要讲一下Transformer 框架搭建流程，苯人总结了一套：Dataprocess 数据处理 --》Position位置编码 --》Mask掩码 --》MHA多头注意力机制 --》FFN前馈神经网络 --》Encoder编码器 --》Decoder解码器 --》Transformer 模型构建 --》模型训练 --》模型预测。

我们知道分类算法主要用于对进行分类，标签型数据有一下几个特点：无序性、非数值性、多样性。比如“性别”可以分为“男”和“女”，但“男”和“女”之间不存在大小、高低等顺序关系，也不是数值，分类算法就是针对这样的数据。

苯人的项目是基于CNN实现香蕉成熟度的小颗粒度分类，针对六种不同状态（新鲜成熟的、新鲜未熟的、成熟的、腐烂的、过于成熟的、生的）进行高精度视觉识别。由于香蕉的成熟度变化主要体现在颜色渐变、斑点分布及表皮纹理等细微差异上，传统图像处理方法难以准确区分。因此，本项目通过构建深层CNN模型，利用卷积层的局部特征提取能力捕捉香蕉表皮的细微变化，并结合高阶特征融合技术提升分类精度。

我一般是配置的这个环境加上开启 VNC（首先要下载 VNC软件），然后通过给出的 VNC 的账号密码打开VNC后进行连接，这时候点开桌面的终端Terminal，因为矩池云的网盘默认根目录是 /mnt，所以首先要 cd /mnt 到根目录下，然后可以 ls，查看是否显示刚刚上传的 deepseek_train 文件夹，有的话就 cd 进入，没有那就要排查一下原因了。顺便说一下，在终端的时候如果文件有

苯人的项目是基于CNN实现香蕉成熟度的小颗粒度分类，针对六种不同状态（新鲜成熟的、新鲜未熟的、成熟的、腐烂的、过于成熟的、生的）进行高精度视觉识别。由于香蕉的成熟度变化主要体现在颜色渐变、斑点分布及表皮纹理等细微差异上，传统图像处理方法难以准确区分。因此，本项目通过构建深层CNN模型，利用卷积层的局部特征提取能力捕捉香蕉表皮的细微变化，并结合高阶特征融合技术提升分类精度。

我一般是配置的这个环境加上开启 VNC（首先要下载 VNC软件），然后通过给出的 VNC 的账号密码打开VNC后进行连接，这时候点开桌面的终端Terminal，因为矩池云的网盘默认根目录是 /mnt，所以首先要 cd /mnt 到根目录下，然后可以 ls，查看是否显示刚刚上传的 deepseek_train 文件夹，有的话就 cd 进入，没有那就要排查一下原因了。顺便说一下，在终端的时候如果文件有

这篇主要讲一下Transformer 框架搭建流程，苯人总结了一套：Dataprocess 数据处理 --》Position位置编码 --》Mask掩码 --》MHA多头注意力机制 --》FFN前馈神经网络 --》Encoder编码器 --》Decoder解码器 --》Transformer 模型构建 --》模型训练 --》模型预测。

图像旋转是指图像以某一点为旋转中心，将图像中的所有像素点都围绕该点旋转一定的角度，并且旋转后的像素点组成的图像与原图像相同，在了解图像旋转之前首先要明白单点旋转。

上一篇讲到利用掩膜可以抠出图像的某个区域，那么把这个区域无缝添加到另一张图上即为添加水印。

首先，噪点是图像中随机出现的亮度或颜色异常像素（如“雪花点”“颗粒感”），主要由传感器噪声、低光照、压缩失真等引起，表现为图像中随机的亮度，也可以理解为有那么一些点的像素值与周围的像素值格格不入，常见的噪声类型包括高斯噪声和椒盐噪声。这里强调一下，滤波并不代表模糊噪点，滤波是一种技术，不同的滤波会产生不同的效果，比如低通滤波器是模糊，高通滤波器是锐化，所以模糊只是滤波技术产生的一种效果。前面两种滤