AI 与深度学习
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
合集 · 从零搭建视觉模型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。
TOPICS / 标签
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。
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。
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。
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。