当前位置：首页 > news >正文

人工智能领域-CNN 卷积神经网络性能调优

news 来源：原创 2025/5/9 9:58:58

在自动驾驶领域，对卷积神经网络（CNN）进行性能调优至关重要，以下从数据处理、模型架构、训练过程、超参数调整和模型部署优化等多个方面为你详细介绍调优方法，并给出相应的代码示例。

1. 数据处理

数据增强：通过对原始图像进行随机裁剪、旋转、翻转、缩放、颜色变换等操作，增加数据的多样性，提高模型的泛化能力。

import torchvision.transforms as transforms# 定义数据增强的转换操作
transform = transforms.Compose([transforms.RandomResizedCrop(224),  # 随机裁剪并调整大小transforms.RandomHorizontalFlip(),  # 随机水平翻转transforms.ColorJitter(brightness=0.2, contrast=0.2, saturation=0.2, hue=0.1),  # 颜色抖动transforms.ToTensor(),  # 转换为张量transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])  # 归一化
])

数据清洗：去除数据集中的噪声、错误标注和重复数据，确保数据质量。

import pandas as pd# 假设 labels.csv 包含图像的标签信息
data = pd.read_csv('labels.csv')
# 去除重复数据
data = data.drop_duplicates()
# 去除错误标注数据，这里假设标签范围是 0 - 9
valid_data = data[(data['label'] >= 0) & (data['label'] <= 9)]

2. 模型架构优化

选择合适的网络架构：根据具体任务选择合适的预训练模型，如 ResNet、VGG、EfficientNet 等，并根据需求进行微调。

import torchvision.models as models
import torch.nn as nn# 加载预训练的 ResNet18 模型
model = models.resnet18(pretrained=True)
# 修改最后一层全连接层以适应具体任务
num_ftrs = model.fc.in_features
model.fc = nn.Linear(num_ftrs, 10)  # 假设是 10 分类任务

添加注意力机制：在模型中添加注意力机制，如 SE 模块（Squeeze-and-Excitation），可以让模型更加关注重要的特征。

import torch
import torch.nn as nnclass SELayer(nn.Module):def __init__(self, channel, reduction=16):super(SELayer, self).__init__()self.avg_pool = nn.AdaptiveAvgPool2d(1)self.fc = nn.Sequential(nn.Linear(channel, channel // reduction, bias=False),nn.ReLU(inplace=True),nn.Linear(channel // reduction, channel, bias=False),nn.Sigmoid())def forward(self, x):b, c, _, _ = x.size()y = self.avg_pool(x).view(b, c)y = self.fc(y).view(b, c, 1, 1)return x * y.expand_as(x)# 在卷积层后添加 SE 模块
class SEBlock(nn.Module):def __init__(self, in_channels, out_channels):super(SEBlock, self).__init__()self.conv = nn.Conv2d(in_channels, out_channels, kernel_size=3, padding=1)self.se = SELayer(out_channels)self.relu = nn.ReLU(inplace=True)def forward(self, x):x = self.conv(x)x = self.se(x)x = self.relu(x)return x

3. 训练过程优化

使用合适的损失函数：根据任务类型选择合适的损失函数，如交叉熵损失函数适用于分类任务，均方误差损失函数适用于回归任务。

import torch.nn as nn# 分类任务使用交叉熵损失函数
criterion = nn.CrossEntropyLoss()

优化器和学习率调整：选择合适的优化器，如 Adam、SGD 等，并使用学习率调度器动态调整学习率。

import torch.optim as optim
from torch.optim.lr_scheduler import StepLR# 使用 Adam 优化器
optimizer = optim.Adam(model.parameters(), lr=0.001)
# 学习率调度器，每 10 个 epoch 学习率乘以 0.1
scheduler = StepLR(optimizer, step_size=10, gamma=0.1)

早停策略：在验证集上监控模型的性能，如果在一定的 epoch 内性能没有提升，则提前停止训练，防止过拟合。

best_val_loss = float('inf')
patience = 5  # 容忍的 epoch 数
counter = 0for epoch in range(num_epochs):# 训练代码...val_loss = 0.0# 验证代码...if val_loss < best_val_loss:best_val_loss = val_losscounter = 0# 保存最佳模型torch.save(model.state_dict(), 'best_model.pth')else:counter += 1if counter >= patience:print("Early stopping!")breakscheduler.step()

4. 超参数调整

网格搜索和随机搜索：使用网格搜索或随机搜索来寻找最优的超参数组合，如学习率、批量大小、模型层数等。

from sklearn.model_selection import ParameterGrid# 定义超参数网格
param_grid = {'learning_rate': [0.001, 0.01, 0.1],'batch_size': [16, 32, 64]
}for params in ParameterGrid(param_grid):learning_rate = params['learning_rate']batch_size = params['batch_size']# 重新初始化模型、优化器等model = ...optimizer = optim.Adam(model.parameters(), lr=learning_rate)# 训练模型并评估性能...

5. 模型部署优化

模型量化：将模型的权重和激活值从浮点数转换为低精度的数据类型，如 8 位整数，以减少模型的存储空间和计算量。

import torch.quantization# 定义量化配置
backend = 'fbgemm'
model.qconfig = torch.quantization.get_default_qconfig(backend)
torch.quantization.prepare(model, inplace=True)
# 进行校准（需要一些校准数据）
model.eval()
with torch.no_grad():for data in calibration_data:model(data)
torch.quantization.convert(model, inplace=True)

模型剪枝：去除模型中对性能影响较小的连接或神经元，以减小模型的复杂度。

import torch.nn.utils.prune as prune# 对模型的卷积层进行剪枝
for name, module in model.named_modules():if isinstance(module, torch.nn.Conv2d):prune.l1_unstructured(module, name='weight', amount=0.2)

通过以上这些方法，可以显著提升 CNN 在自动驾驶任务中的性能，使其更加高效和准确。

人工智能领域-CNN 卷积神经网络性能调优

在自动驾驶领域，对卷积神经网络（CNN）进行性能调优至关重要，以下从数据处理、模型架构、训练过程、超参数调整和模型部署优化等多个方面为你详细介绍调优方法，并给出相应的代码示例。 1. 数据处理数据增强&#xff1…...

编程日记 2025/5/9 9:58:58

STM32的HAL库开发---高级定时器---输出比较模式实验

一、高级定时器输出比较模式实验原理定时器的输出比较模式总共有8种，本文使用其中的翻转模式，当TIMXCCR1TIMXCNT时，翻转OC1REF的电平，OC1REF为输出参考信号，高电平有效，OC1REF信号连接到0C1上面&#xff…...

编程日记 2025/5/9 22:28:48

DeepSeek使用技巧大全（含本地部署教程）

在人工智能技术日新月异的今天，DeepSeek 作为一款极具创新性和实用性的 AI，在众多同类产品中崭露头角，凭借其卓越的性能和丰富的功能，吸引了大量用户的关注。 DeepSeek 是一款由国内顶尖团队研发的人工智能，它基于先进…...

编程日记 2025/5/7 7:03:05

python安装mitmproxy遇到的问题

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple 加-i https://pypi.tuna.tsinghua.edu.cn/simple是为了加速下载。 1、vc build-tools 发现下面错误。需要安装vc build-tools，有些py包需要vc来编译。安装路径：Micr…...

编程日记 2025/5/9 17:35:49

基于HTML生成网页有什么优势

在互联网时代，网页是人们获取信息、交流互动的重要窗口，而基于HTML生成网页，是搭建网络大厦的关键。HTML语法简洁直观，标签和属性语义明确，新手也能迅速上手，创建包含基础元素的网页，极大降低了…...

编程日记 2025/5/9 23:00:14

c++ template-3

第 7 章按值传递还是按引用传递从一开始，C就提供了按值传递（call-by-value）和按引用传递（call-by-reference）两种参数传递方式，但是具体该怎么选择，有时并不容易确定：通常对复杂类…...

编程日记 2025/5/9 22:48:18

【实战篇】巧用 DeepSeek，让 Excel 数据处理更高效

一、为何选择用 DeepSeek 处理 Excel 在日常工作与生活里，Excel 是我们频繁使用的工具。不管是统计公司销售数据、分析学生成绩，还是梳理个人财务状况，Excel 凭借其强大的功能，如数据排序、筛选和简单公式计算，为我们提供了诸多便利。但当面对复杂的数据处理任务，比如从…...

编程日记 2025/5/1 3:50:20

【prompt实战】AI +OCR技术结合ChatGPT能力项目实践（BOL提单识别提取专家）

本文原创作者：姚瑞南 AI-agent 大模型运营专家，先后任职于美团、猎聘等中大厂AI训练专家和智能运营专家岗；多年人工智能行业智能产品运营及大模型落地经验，拥有AI外呼方向国家专利与PMP项目管理证书。（转载需经授权）目录 1. 需求背景 2. 目标 3. BOL通用处理逻辑…...

编程日记 2025/5/9 18:36:38

黑马 Linux零基础快速入门到精通笔记

初识Linux Linux简介提及操作系统，我们可能最先想到的是windows和mac，这两者都属于个人桌面操作系统领域，而Linux则属于服务器操作系统领域。无论是后端软件、大数据系统、网页服务等等都需要运行在Linux操作系统上。 Linux是一个开源的操作…...

编程日记 2025/5/9 22:06:14

蓝桥杯真题 - 像素放置 - 题解

题目链接：https://www.lanqiao.cn/problems/3508/learning/ 个人评价：难度 3 星（满星：5） 前置知识：深度优先搜索整体思路深搜，在搜索过程中进行剪枝，剪枝有以下限制条件&#xf…...

编程日记 2025/5/9 22:58:00

即梦（Dreamina）技术浅析（六）：多模态生成模型

多模态生成模型是即梦（Dreamina）的核心技术之一，旨在结合文本和图像信息，生成更符合用户需求的视觉内容。多模态生成模型通过整合不同类型的数据（如文本和图像），能够实现更丰富、更精准的生成效果。 1. 基本原理 1.1 多模态生成模型概述多模态生成模型的目标是结合不…...

编程日记 2025/5/3 23:51:14

C++小等于的所有奇数和=最大奇数除2加1的平方。

缘由三种思路解题：依据算术推导得到一个规律：小等于的所有奇数和等于最大奇数除以2加1的平方。将在后续发布，总计有十种推导出来的实现代码。 int a 0,aa 1,aaa 0;cin >> a; while (aa<a) aaa aa, aa 2;cout << aaa;i…...

编程日记 2025/5/9 22:43:59

react的antd表单校验，禁止输入空格并触发校验提示

首先需要用到form组件，在form.item内添加rules属性，写正则表达式 <Form.Itemlabel"员工姓名"name"name"rules{[{ required: true, message: 员工姓名 },{ pattern: /^(?!\s*$).$/, message: 不能全是空格 },]}> <Input p…...

编程日记 2025/5/9 22:31:01

Kubernetes架构原则和对象设计（三）

云原生学习路线导航页（持续更新中） kubernetes学习系列快捷链接 Kubernetes架构原则和对象设计（一）Kubernetes架构原则和对象设计（二）Kubernetes常见问题解答本文主要对kubernetes的核心技术概念和核心A…...

编程日记 2025/5/9 22:10:24

Qt+海康虚拟相机的调试

做机器视觉项目的时候，在没有相机或需要把现场采集的图片在本地跑一下做测试时，可以使用海康的虚拟相机调试。以下是设置步骤： 1.安装好海康MVS软件，在菜单栏->工具选择虚拟相机工具，如下图： 2.打开虚拟…...

编程日记 2025/5/9 22:58:00

485网关数据收发测试

目录 1.UDP SERVER数据收发测试使用产品： || ZQWL-GW1600NM 产品||【智嵌物联】智能网关型串口服务器 1.UDP SERVER数据收发测试 A（TX）连接RX B（RX）连接TX 打开1个网络调试助手，模拟用户的UDP客户端设…...

编程日记 2025/5/9 22:49:23

【C#】一维、二维、三维数组的使用

在C#中，数组是用于存储固定数量相同类型元素的数据结构。根据维度的不同，可以分为一维数组、二维数组（矩阵阵列）、三维数组等。每增加一个维度，数据的组织方式就会变得更加复杂。一维数组一维数组是最简单的数组形…...

编程日记 2025/5/8 23:43:53

65【服务器攻击原理讲解】

我们经常可能会听说，某某的服务器被打了，被打死了，这里的打死并不一是指服务器直接死机服务器有2个决定性参数 1：宽带，宽带越大，能传输的数据就越多 2：CPU，CPU越好能处理的运算…...

编程日记 2025/5/9 22:45:06

用AI写游戏3——模拟发牌

提示词写一个python程序 ，输入参数为玩家数，输出参数为每个玩家的3张扑克牌 # 写一个python程序 ，输入参数为玩家数，输出参数为每个玩家的3张扑克牌 # 为了实现这个功能，我们可以使用Python的标准库random来生成随机…...

编程日记 2025/5/8 8:10:37

React 生命周期函数详解

React 组件在其生命周期中有多个阶段，每个阶段都有特定的生命周期函数（Lifecycle Methods）。这些函数允许你在组件的不同阶段执行特定的操作。以下是 React 组件生命周期的主要阶段及其对应的生命周期函数，并结合了 React 16.3 的…...

编程日记 2025/5/9 13:11:47

android 动态库加载机制

省流：android 不兼容 glibc，而是写了一套独立的 c 运行时库 (bionic libc)，为移动设备和 google 自己推的东西做了大量优化。在这套工具链里，aosp 实现了一个兼容 bionic libc 的链接器，放到系统中代替 ld。这个链接…...

编程日记 2025/5/4 23:25:55

PyTorch torch.sign函数介绍

torch.sign 是 PyTorch 库中用于计算输入张量每个元素符号的函数。下面从功能概述、函数原型、参数解释、返回值、使用示例以及与相关函数对比等方面详细介绍 torch.sign。功能概述 torch.sign 函数会返回一个与输入张量形状相同的新张量，其中每个元素的值表示输…...

编程日记 2025/5/9 8:35:01

Flink CDC YAML：面向数据集成的 API 设计

摘要：本文整理自阿里云智能集团、Flink PMC Member & Committer 徐榜江（雪尽）老师在 Flink Forward Asia 2024 数据集成（一）专场中的分享。主要分为以下四个方面： Flink CDC YAML API Transform A…...

编程日记 2025/5/9 17:52:29

计算机网络知识速记：TCP 与 UDP

计算机网络知识速记：TCP 与 UDP 一、概念 TCP (Transmission Control Protocol): 一个面向连接的协议，确保数据在传输过程中完整无误。通过建立连接和数据确认机制，提高数据传输的可靠性。是面向字节传输的。 UDP (User Datagram Protocol)…...

编程日记 2025/5/6 13:15:05

差分算法解析

差分（Difference Array）是一种常见的算法技巧，广泛应用于区间更新与区间查询的问题。它通过将数组的更新操作转化为数组的差分操作，使得某些类型的算法能在更短的时间内完成计算，尤其在处理频繁的区间更新时表现得尤为…...

编程日记 2025/5/9 21:12:22

makefile 的strip，filter，ifeq，ifneq基础使用

目录一、strip1.1 语法1.2 示例1.3 使用场景二、filter2.1 语法2.2 示例2.3 使用 * 和 ? 通配符2.4 结合使用2.5 使用场景三、ifeq 和 ifneq3.1 ifeq3.1.1 语法3.1.2 示例 3.2 ifneq3.2.1 语法3.2.2 示例 3.3 典型使用场景3.3.1 根据版本控制编译选项:3.3.2 选择不同的源文…...

编程日记 2025/5/9 15:05:24

SOA（面向服务架构）全面解析

1. 引言什么是SOA（面向服务架构） SOA（Service-Oriented Architecture，面向服务架构）是一种将应用程序功能以“服务”的形式进行模块化设计的架构风格。这些服务是独立的功能模块，它们通过定义明确的接口…...

编程日记 2025/5/8 0:05:48

B树详解及其C语言实现

目录一、B树的基本原理二、B树操作过程图形化演示三、B树的应用场景四、C语言实现B树及示例五、代码执行结果说明六、应用实例：文件系统目录索引七、总结一、B树的基本原理 B树（B-Tree） 是一种自平衡的树数据结构，…...

编程日记 2025/5/6 11:10:31

3.1 学习UVM中的uvm_component类分为几步？

文章目录前言一、定义1.1 角色和功能：1.2 与其他UVM类的区别：1.3 主要属性和方法： 二、使用方法2.1 定义和实例化：2.2 生命周期管理：2.3 组件间通信： 三、何时使用3.1 使用场景3.2 适用组件3.3 与uvm_obje…...

编程日记 2025/5/9 2:59:42

python:面向对象之魔法方法

概念：主要是提供一些特殊的功能。 1.__init__方法： 一.不带参数： python中类似__xx__() __init__():初始化对象class Car():def __init__(self):self.color blueself.type suvdef info(self):print(f车的颜色是：{self.color})p…...

编程日记 2025/5/7 2:31:56

postgresql 游标（cursor）的使用

概述 PostgreSQL游标可以封装查询并对其中每一行记录进行单独处理。当我们想对大量结果集进行分批处理时可以使用游标，因为一次性处理可能造成内存溢出。另外我们可以定义函数返回游标类型变量，这是函数返回大数据集的有效方式，函数调用者…...

编程日记 2025/5/8 3:44:05

vivado 7 系列器件时钟

7 系列器件时钟注释： 本章节以 Virtex -7 时钟源为例。 Virtex-6 的时钟资源与此类似。如果使用不同的架构，请参阅有关器件的《时钟资源指南》 [ 参照 40] 。 Virtex-6 和 Virtex-7 器件内含 32 个称为 BUFG 的全局时钟缓存。 BUFG 可满…...

编程日记 2025/5/4 14:00:42

Vue 3 部分新特性解析

1. 引言 Vue 3 引入了许多新特性和改进，使得开发更加高效和灵活。本文将深入探讨 Vue 3 的高阶部分，包括 Composition API、自定义指令、插件开发、状态管理和性能优化。 2. Composition API 2.1 引入 Composition API Composition API 是 Vue 3 中引…...

编程日记 2025/5/3 11:45:40

ubuntu24.04安装布置ros

最近换电脑布置机器人环境，下了24.04，但是网上的都不太合适，于是自己试着布置好了，留作有需要的人一起看看。文章目录目录前言一、确认 ROS 发行版名称二、检查你的 Ubuntu 版本三、安装正确的 ROS 发行版四、对于Ubuntu24…...

编程日记 2025/5/5 2:29:08

数据结构与算法-链表

单向链表（带哨兵） public class SinglyLinkedList {private Node head new Node(Integer.MIN_VALUE, null); // 定义一个哨兵节点作为头部节点，避免对头节点进行特殊处理// 节点类，包含值和指向下一个节点的引用private static …...

编程日记 2025/5/9 17:48:35

【图片合并转换PDF】如何将每个文件夹下的图片转化成PDF并合并成一个文件？下面基于C++的方式教你实现

医院在为患者进行诊断和治疗过程中，会产生大量的医学影像图片，如 X 光片、CT 扫描图、MRI 图像等。这些图片通常会按照检查时间或者检查项目存放在不同的文件夹中。为了方便医生查阅和患者病历的长期保存，需要将每个患者文件夹下的图片合并成…...

编程日记 2025/5/4 22:33:11

协议-ACLLite-ffmpeg

是什么？ FFmpeg是一个开源的多媒体处理工具包，它集成了多种功能，包括音视频的录制、转换和流式传输处理。FFmpeg由一系列的库和工具组成，其中最核心的是libavcodec和libavformat库。 libavcodec是一个领先的音频/视频编解码器库&…...

编程日记 2025/5/8 1:36:00

flask开发的网站，后端服务关闭后，可以找回之前的数据的吗

如果使用 Flask 开发的网页，后端服务关闭后，是否还能找回数据取决于数据的存储方式： 可能找回数据的情况： 数据库存储（MySQL、PostgreSQL、SQLite 等） 如果 Flask 连接的是持久化数据库，即使后…...

编程日记 2025/4/29 3:35:50

deepseek API开发简介

1、申请deepseek api key： https://platform.deepseek.com/api_keys创建API Key，并复制Key 2、安装python、pip，然后安装requests pip install requests3、.示例代码 import requests import json# DeepSeek API 地址 API_URL "ht…...

编程日记 2025/5/9 15:29:09

【AI】在Ubuntu中使用docker对DeepSeek的部署与使用

这篇文章前言是我基于部署好的deepseek-r1:8b模型跑出来的关于部署DeepSeek的前言与介绍在当今快速发展的技术环境中，有效地利用机器学习工具来解决问题变得越来越重要。今天，我将引入一个名为DeepSeek 的工具，它作为一种强大的搜索引擎&a…...

编程日记 2025/5/4 17:55:54

Baklib推进内容中台智能推荐系统的技术创新与执行方案

内容概要在当前数字化快速发展的背景下，内容中台的智能化推荐系统显得尤为重要。通过技术创新，Baklib致力于提升平台的用户体验，实现精准的个性化推荐，满足多样化的用户需求。内容中台不仅能够高效管理和组织大量的信息与知识&a…...

编程日记 2025/5/5 14:47:07

MySQL8.0实现MHA高可用

一、简介 MHA（Master HA）是一款开源的 MySQL 的高可用程序，它为 MySQL 主从复制架构提供了 automating master failover 功能。MHA 在监控到 master 节点故障时，会提升其中拥有最新数据的 slave 节点成为新的master 节点&#xf…...

编程日记 2025/4/29 20:02:13

ip地址是手机号地址还是手机地址

在数字化生活的浪潮中，IP地址、手机号和手机地址这三个概念如影随形，它们各自承载着网络世界的独特功能，却又因名称和功能的相似性而时常被混淆。尤其是“IP地址”这一术语，经常被错误地与手机号地址或手机地址划上等号。本文旨在…...

编程日记 2025/5/6 4:56:15

多光谱成像技术在华为Mate70系列的应用

华为Mate70系列搭载了光谱技术的产物——红枫原色摄像头，这是一款150万像素的多光谱摄像头。相较于普通摄像头，它具有以下优势： 色彩还原度高：色彩还原准确度提升约 120%，能捕捉更多光谱信息，使拍摄照片色…...

编程日记 2025/5/9 5:15:08

详解命令模式

引言当遇到发送者和接受者之间不是直接连接关系，而是间接连接关系，即发送者和接受者之间需要解耦，我们通常需要命令模式。比如电灯和开关，开关设计时并不知道自己是控制电灯的，也可能控制排气扇、电力设备等等&#x…...

编程日记 2025/5/7 23:50:34

Debian 安装 Nextcloud 使用 MariaDB 数据库 + Caddy + PHP-FPM

前言之前通过 docker在ubuntu上安装Nextcloud，但是现在我使用PVE安装Debian虚拟机，不想通过docker安装了。下面开始折腾。安装过程步骤 1：更新系统并安装必要的软件 sudo apt update && sudo apt upgrade -y sudo apt install…...

编程日记 2025/5/9 21:15:53

测试代码： #include<stdio.h> #include<stdlib.h> #include<windows.h> #include <locale.h> #include <string> #include <iostream>// 函数用于计算UTF-8字符串中的字符数 int utf8_strlen(const char* str) {int len = 0;for (; *s…...

编程日记 2025/5/3 9:36:14

golang 开启HTTP代理认证

内部网路不能直接访问外网接口，可以通过代理发送HTTP请求。 HTTP代理服务需要进行认证。 package cmdimport ("fmt""io/ioutil""log""net/http""net/url""strings" )// 推送CBC07功能 func main() {l…...

编程日记 2025/5/1 20:35:21

第九届华为ICT大赛实践赛中国总决赛举行通知及考试地址

经大赛组委会决定，第九届华为ICT大赛实践赛中国总决赛将于2025年3月8日-9日举行具体赛事安排如下，期待与您顶峰相见! 理论考试:线上答题，团队3名成员共同完成1套试题，统一提交一份答案【60分钟，20道试题(含判断、单选…...

编程日记 2025/5/4 17:55:23

1. 数据处理

2. 模型架构优化

3. 训练过程优化

4. 超参数调整

5. 模型部署优化

相关文章：