AI入门教程索引

索引

• AI入门教程01：Windows下搭建深度学习环境
• AI入门教程02：神经网络类型
• 03 开发
  • AI入门教程03.01：全连接神经网络
  • AI入门教程03.02：LeNet卷积神经网络
  • AI入门教程03.03：AlexNet模型
• 框架使用
• AI入门教程：人脸识别
• AI入门教程：颜值评分

待研究

如何训练 训练过程 训练了什么

如何识别 识别过程 识别了什么

怎么得出置信度

weight中保存了什么

在神经网络模型中，保存了模型的结构和参数。模型的结构包括网络的层数、每层的神经元数量、每层的连接方式等；而参数则是模型通过学习得到的权重和偏置，用于计算输入数据的输出结果。当模型训练完成后，这些参数会被保存下来，以便在测试或使用模型时进行推断计算。保存的模型可以用于预测新数据的结果，也可以用于继续训练或微调模型。

如何确定loss下降

如何推断

参考资料

• 【机器学习】PyTorch、Cuda 的安装和示例代码
• CNN经典网络模型（一）：LeNet简介及代码实现（PyTorch超详细注释版）
• 如何画神经网络模型结构 神经网络模型流程图
• 经典卷积神经网络详解（AlexNet、VGG、NiN、GoogLeNet、ResNet、DenseNet、CSPNet、Darknet、EfficientNet、SqueezeNet…）
• https://blog.csdn.net/guzhao9901/article/details/118552085
• https://blog.csdn.net/qq_43307074/article/details/126027818