项目笔记

📅 2026年3月2日

⏱️ 阅读约 78 分钟

#笔记

📑 文章导航

resnet18复试问题一、项目背景与动机类二、数据处理与预处理类三、模型设计与优化类四、系统实现与工程化类五、实验结果与分析类六、拓展与创新类七、基础知识类八、个人贡献与反思类训练遇到过的最大问题：混淆矩阵：似然度：似然度越大模型猜出真实性的可能性越低 Resnet：卷积层（conv）：池化层：BatchNorm（归一化）：四大基础件构成了残差块：交叉熵公式（计算真实概率与模型输出的概率的误差）：$-\sum P \log Q$带权交叉熵损失过拟合数据增强衡量模型的两个指标综合指标——F1分数迁移学习数据预处理高斯滤波/去噪：CLAHE （自适应直方图均衡化）：AHE (Adaptive - 自适应网格划分)：CL (Contrast Limited - 限制对比度)：双线性插值：LAB 色彩空间 (CIELAB)如果先做 CLAHE，后做高斯滤波（错误顺序），会发生什么？数据增强训练阶段归一化 Adam自适应学习率优化算法我注意到在“验证阶段（Val）”这块，你特别标注了“保存最佳Acc模型（发现更优模型）”。你能解释一下，为什么我们不直接去保存最后一个 Epoch（也就是第15个 Epoch）训练结束时的模型权重，而是要在整个循环中监控并保存“最佳”模型？这个策略，和你 PPT 左侧提到的“防止过拟合”有什么内在联系吗？“为什么要采用内存中实时的动态数据增强（比如随机裁剪），而不是提前用代码处理好存在硬盘里？用的什么los函数 ### 在你的这 10 类鱼中，存在这种严重的“类别不平衡”（Data Imbalance）现象，单纯只看总体“准确率（Accuracy）”这个指标会有什么隐患？为了更客观地评价模型，你还能说出其他更科学的评价指标吗？从系统收到一张全新的‘小丑鱼’照片，完整的推理流程主要分为以下几个关键步骤？