LUCAS / COLLECTIONS
从零搭建视觉模型
从图片输入与模型计算起步，贯通训练、评估、检测、分割和部署验证，最后回看视觉模型发展全景。
已发布 26 篇 · 按阅读顺序排列
从零搭建视觉模型 01：图片进入模型后发生了什么
从一张图片的输入与两个类别的输出出发，区分模型结构、参数、训练和推理，为后续实验建立直观认识。
阅读全文 →从零搭建视觉模型 02：Python 起步，写给 C/C++ 开发者
用 C/C++ 的已有经验理解 Python，从变量、容器和函数开始，逐步读懂图片加载与像素访问代码。
阅读全文 →从零搭建视觉模型 03：从像素到张量的基础概念
用一张 3×2 的 RGB 图片，理解像素、张量、形状、轴和内存共享，解释模型输入为什么要调整维度、转换类型和缩放数值。
阅读全文 →从零搭建视觉模型 04：图片如何变成张量
从一张只有 6 个像素的图片开始，观察 RGB、HWC、CHW 和 NCHW，理解模型输入的形状与数值。
阅读全文 →从零搭建视觉模型 05：MLP 入门，从手算到图片输入
用可以手算的 2→3→2 小网络理解权重、偏置、全连接层和 ReLU，再把图片展平后送入 MLP，为学习 CNN 做准备。
阅读全文 →从零搭建视觉模型 06：亲手搭建一个小型 CNN
从手算一次卷积开始，理解权重、特征图、激活和池化，再用 Python 类搭建小型 CNN，逐层观察图片的前向计算。
阅读全文 →从零搭建视觉模型 07：模型怎样预测类别：分数、概率与决策
从 CNN 输出的两个分数出发，手算 Softmax 与逐类 Sigmoid，区分单标签与多标签分类，并理解阈值和类别映射。
阅读全文 →从零搭建视觉模型 08：让模型开始学习，损失、梯度与训练循环
先观察一个参数的一次更新，再用小型 CNN 学习横竖条纹分类，逐步理解标签、损失、梯度和训练循环。
阅读全文 →从零搭建视觉模型 09：数据集、标签与数据划分
以飞机和汽车分类为例，建立类别映射、样本清单与训练验证测试划分，理解泄漏、分组和 Dataset 的职责。
阅读全文 →从零搭建视觉模型 10：损失函数与优化器：怎样把错误变成更新
手算交叉熵与一次梯度下降，理解损失、梯度、学习率和优化器的不同职责，避免重复 Softmax 与梯度累积错误。
阅读全文 →从零搭建视觉模型 11：批次、训练轮次与学习率
用不能整除批次的样本数计算更新次数，理解 batch、epoch、学习率调度与指标平均，设计可比较的训练记录。
阅读全文 →从零搭建视觉模型 12：训练第一个真实图片分类器
使用 CIFAR-10 飞机与汽车子集建立小型 CNN 基线，固定训练验证划分、完成训练与模型选择，明确真实数据与玩具实验的边界。
阅读全文 →从零搭建视觉模型 13：过拟合、数据增强与正则化
从训练与验证曲线认识过拟合，设计不改变标签语义的增强，理解权重衰减、Dropout 与早停的作用和边界。
阅读全文 →从零搭建视觉模型 14：验证、测试与错误分析
手算混淆矩阵、精确率与召回率，理解阈值选择和独立测试，建立按来源与条件分析错误的评估方法。
阅读全文 →从零搭建视觉模型 15：保存模型、恢复训练与独立推理
区分推理权重与训练检查点，保存类别和预处理契约，验证加载一致性并理解恢复优化器与随机状态的要求。
阅读全文 →从零搭建视觉模型 · 综合实践：实现 MLP，从损失计算、训练到 ONNX 推理
用自包含的条纹数据实现 MLP，核对交叉熵与梯度，完成训练、验证、保存、独立推理、ONNX 导出及数值一致性检查。
阅读全文 →从零搭建视觉模型 16：ResNet 与残差连接
从学习输入改变量理解残差连接，检查分支相加的形状，区分残差结构、批归一化和预训练权重。
阅读全文 →从零搭建视觉模型 17：预训练、迁移学习与微调
比较随机初始化、冻结主干和部分微调，明确预训练输入约定、BatchNorm 行为以及公平评价的条件。
阅读全文 →从零搭建视觉模型 18：轻量模型与计算成本
通过卷积参数与乘加数量计算理解轻量化，区分参数、激活、延迟和吞吐，并建立目标设备上的测量方法。
阅读全文 →从零搭建视觉模型 19：目标检测与 YOLO：从类别到目标框
理解检测标签、目标框、IoU 与重复框处理，用可手算的几何实验认识 YOLO 输出与坐标还原，规划真实检测验证。
阅读全文 →从零搭建视觉模型 20：图像分割与 U-Net：给每个像素一个判断
通过合成矩形掩码理解语义分割、编码解码与跳跃连接，运行小型 U-Net 形状和训练步实验，掌握像素标签与 IoU。
阅读全文 →从零搭建视觉模型 21：注意力与视觉 Transformer
把图片划成 patch，手算小型注意力并跟踪 token 形状，搭建教学 ViT 前向实验，区分结构验证与训练效果。
阅读全文 →从零搭建视觉模型 22：从训练模型到 ONNX
固定模型输入输出约定，导出最小 CNN 到 ONNX，在相同输入上比较 PyTorch 与 ONNX Runtime 数值，并认识导出和部署兼容的边界。
阅读全文 →从零搭建视觉模型 23：量化与精度对比
手算缩放因子、零点、舍入与截断，区分权重和激活量化、静态校准与动态量化，设计浮点到量化的质量与性能比较。
阅读全文 →从零搭建视觉模型 24：从摄像头输入到部署验收
把摄像头、预处理、推理和后处理接起来，建立离线参考输入、端到端计时与长时间测试，衔接海思 NPU 部署系列。
阅读全文 →从零搭建视觉模型 25：发展历史、主流分类与当前格局
从人工特征、早期神经网络与 CNN，到 Transformer、视觉基础模型和多模态，串起视觉模型的发展历史，区分任务、结构与学习方式，认识当前感知、生成和空间理解的主要路线。
阅读全文 →