一、前言经过慎重考虑，决定新开一个系列，该系列文章主要的目的就是利用PyTorch、Python实现深度学习中的一些经典模型，接下来一段时间的安排如下：UNetResNetVggNetAlexNet本文首先实现UNet，关于UNet的详细介绍请移步深度学习模型解析系列文章–白话详解UNet二、网络结构详解UNet总体上分为编码器和解码器，其中编码器负责提取特征信息，解码器负责还原特征信息；编码器主

一、前言本来这周的计划是更新上采样篇的，但是上采样篇涉及到的数学知识较多，为了让大家更好的理解弄懂，需要花费大量的时间来阐述，加上本周正在做第一篇论文的实验，实验量很多，因此，将上采样篇延迟更新。请大家谅解！那么，本篇文章主要介绍深度学习中常用的几个评估指标，这是评价一个网络模型好坏的标准，非常重要，最后，希望大家学的愉快！你们的支持是我更新最大的动力！二、评估指标解析在阐述评估指标之前，需要搞清

导读目前深度学习系列已经更新了7篇文章，分别是激活函数篇、卷积篇、损失函数篇、下采样篇、Padding篇、评估指标篇，另有1篇保姆级入门教程，1篇总结性文章CNN中十大令人拍案叫绝的操作，想要入门深度学习的同学不容错过！一、数学基础1.1 偏导数1.2 链式求导法则1.3 案例二、BP算法及其工作原理三、优化算法在深度学习中扮演着什么角色四、常见的优化算法3.1 随机梯度下降法（SGD）3.2 M

前言torch.nn是专门为神经网络设计的模块化接口。nn构建于Autograd之上，可用来定义和运行神经网络。这里我们主要介绍几个一些常用的类。约定：torch.nn 我们为了方便使用，会为他设置别名为nn，本章除nn以外还有其他的命名约定。import torchimport torch.nn as nntorch.__version__除了nn别名以外，我们还引用了nn.functional

一、前言深度学习系列文章陆陆续续已经发了两篇，分别是激活函数篇和卷积篇，纯干货分享，想要入门深度学习的童鞋不容错过噢！书接上文，该篇文章来给大家介绍“ 选择对象的标准 ”-- 损失函数，损失函数种类繁多，各式各样，不仅包括单损失函数，而且也包括多损失函数，但是最常使用的还是经典的均方误差损失函数和交叉熵损失函数，所以本篇文章重点介绍这两种损失函数，至于其余单损失函数和多损失函数，我也会简单介绍一下

导读为了保证文章的质量，但又需要顾及写文章的速度，因此，先更新下采样篇，因为上采样篇继续需要一段时间来打磨润色。下采样方式下采样代码实现参考文献《》计划1个字，绝! – CNN中十大令人拍案叫绝的操作都2021年了，不会还有人连深度学习还不了解吧？（一）-- 激活函数篇都2021年了，不会还有人连深度学习还不了解吧？（二）-- 卷积篇都2021年了，不会还有人连深度学习还不了解吧？（三）-- 损失

Batch Normanlization简称BN，也就是数据归一化，对深度学习模型性能的提升有很大的帮助。BN的原理可以查阅我之前的一篇博客。白话详细解读（七）----- Batch Normalization。但为了该篇博客的完整性，在这里简单介绍一下BN。一、BN的原理BN的基本思想其实相当直观：因为深层神经网络在做非线性变换前的激活输入值（就是那个x=WU+B，U是输入）随着网络深度加深或者

一、前言本来这周的计划是更新上采样篇的，但是上采样篇涉及到的数学知识较多，为了让大家更好的理解弄懂，需要花费大量的时间来阐述，加上本周正在做第一篇论文的实验，实验量很多，因此，将上采样篇延迟更新。请大家谅解！那么，本篇文章主要介绍深度学习中常用的几个评估指标，这是评价一个网络模型好坏的标准，非常重要，最后，希望大家学的愉快！你们的支持是我更新最大的动力！二、评估指标解析在阐述评估指标之前，需要搞清

汽车车牌识别系统实现（一）–车牌识别的步骤怎么接触到计算机视觉的？毕业设计不知天高地厚的、茫然的选择了汽车车牌识别系统系统的实现，写开题报告的时候，快难哭了；但是最近发现越来越喜欢计算机视觉了，好吧，我承认我有毒。。。通过写博客的方式，记录以下学习过程，本人大学菜鸟一枚，有错误或者是需要完善的地方，烦请各位大神指正批评！汽车车牌识别的步骤图像缩放处理预处理高斯平滑中...

一、前言本来这周的计划是更新上采样篇的，但是上采样篇涉及到的数学知识较多，为了让大家更好的理解弄懂，需要花费大量的时间来阐述，加上本周正在做第一篇论文的实验，实验量很多，因此，将上采样篇延迟更新。请大家谅解！那么，本篇文章主要介绍深度学习中常用的几个评估指标，这是评价一个网络模型好坏的标准，非常重要，最后，希望大家学的愉快！你们的支持是我更新最大的动力！二、评估指标解析在阐述评估指标之前，需要搞清