本文主要介绍了卷积运算及其Pytorch实现，包括一维卷积（窄卷积、宽卷积、等宽卷积）、二维卷积。

卷积神经网络的基本结构由卷积层（Convolutional Layer）、池化层（Pooling Layer）、全连接层（Fully Connected Layer）以及激活函数（Activation Function）组成。

计算机视觉技术是一门包括计算机科学与工程、神经生理学、物理学、信号处理、认知科学、应用数学与统计等多学科的综合性科学技术， 是人工智能的一个重要分支， 目前在智能安防、自动驾驶汽车、医疗保健、生成制造等领域...

图像分类与识别是计算机视觉中的重要任务，它可以帮助我们自动识别图像中的对象、场景或者特征。在本文中，我们将介绍图像分类与识别的基本原理和常见的实现方法，并使用Python来实现这些模型。...

现在很多数学专业的硕博发论文，都感觉超级难。所以，有一个路子可以走，那就是发计算机方向的。

卷积神经网络（Convolutional Neural Network，CNN）是一种被广泛应用于图像识别、语音识别和自然语言处理等领域的深度学习模型。与RNN、Transformer模型组成AI的三大基石。...

当谈到基于CNN的深度学习例子时，图像分类是最常见的任务之一。CNN（卷积神经网络）在图像处理任务中表现出色，能够自动学习图像的特征表示。以下是一个基于CNN的图像分类示例，并给每一行添加了注释：...

卷积神经网络是以卷积层为主的深度网路结构，网络结构包括有卷积层、激活层、BN层、池化层、FC层、损失层等。卷积操作是对图像和滤波矩阵做内积（元素相乘再求和）的操作。...

终于到了深度学习最引人注目的部分——图像处理！本章将介绍如何利用深度学习来处理和分类图像。我们将以一个极为有趣的数据集——FashionMNIST[5]，作为我们的训练材料。这个数据集包含了各种时尚商品的图像，像裤子、鞋...

最早提出的Transformer模型[1]针对的是自然语言翻译任务。在自然语言翻译任务中，既需要理解每个单词的含义，也需要利用单词的前后顺序关系。常用的自然语言模型是循环神经网络（Recurrent Neural Network，RNN）和卷积神经网...