我完成了一项深度学习环境搭建与基础操作实验。该实验基于Windows 11系统，使用Anaconda和PyCharm作为基础环境。我分别在独立的虚拟环境中安装了TensorFlow（CPU版）、PaddlePaddle（GPU版）和P...

我总结了从PyTorch入门到选定科研方向的全流程指南，包括高效阅读论文、数据集预处理、模型实践、研究方向选择、项目启动以及科研心态管理等内容。文章强调要带着批判性思维阅读论文，注重实践...

我以个人项目经验为例，介绍了如何使用 Grad-CAM 技术对深度学习模型进行可解释性分析。这项技术通过生成热力图，能直观显示模型在进行图像分类预测时所关注的区域。我阐述了 Grad-CAM 的核心原...

我总结了论文中循环神经网络的应用实验。我通过两个实验对比了RNN和LSTM的性能：实验一是在MNIST图片分类任务中，我将RNN、LSTM与CNN（LeNet）进行比较，发现CNN因其对空间特征提取的优势而表现...

我进行了一次多层感知机（MLP）的应用实验。我使用PyTorch构建了一个含隐藏层、ReLU激活和Dropout的MLP模型，在Fashion-MNIST数据集上进行服装图像分类。通过在GPU上训练，我探索了不同训练轮数...

我通过一个实验应用了单层感知机。我使用PyTorch构建模型，在鸢尾花数据集上进行二分类任务。首先，在区分“Setosa”与“Non-Setosa”时，模型在测试集上达到了100%的准确率，证明了这两类数据...