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...

我分享了在离线环境下导入Hugging Face预训练权重的解决方案。当因网络问题无法自动下载时，我会先在有网络的设备上定位~/.cache/huggingface/hub缓存目录，将所需的预训练权重文件下载至此。然...

我搭建了一个智能天气穿衣推荐系统。我首先使用基于ResNet18的CNN模型对天气图像进行分类，识别多云、下雨、晴天和日出四种天气，测试准确率达到97.65%。然后，我利用LSTM模型，根据过去七天的...

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...

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...

我进行了一项卷积神经网络（CNN）应用实验。我首先准备了自定义的农作物病害数据集，并将其与CIFAR-10一同用于评估LeNet、AlexNet、VGG、ResNet四种经典CNN模型。通过对比实验，我分析了各模型...