- 博客(3)
- 收藏
- 关注
RSS订阅原创 深度学习作业_Week4
在左侧的网络结构中：对于输入特征矩阵，有串行的GConv1和GConv2，对于普通的组卷积的计算，只针对该组内的channel的信息进行计算。组卷积虽然能够减少参数和计算量，但是组卷积中不同组之间的信息没有交流。对于右侧而言：将输入特征矩阵先通过GConv，得到对应的特征矩阵，然后对于GConv1假设采用3个组，即g=3，对于得到的特征矩阵继续划分，每个组序号相同的再分到一个组，就可以得到通过Channel Shuffle后的特征矩阵，再通过GConv2,得到输出特征矩阵。首先取得数据，并引入基本函数库。
2023-08-04 12:25:57
135
原创 深度学习作业_Week2
1、dataloader 里面 shuffle 取不同值有什么区别？shuffle的意思就是让序列乱序，本质上就是让序列里面的每一个元素等概率分布在序列的任何位置，进行洗牌。shuffle取值为True的时候，会随机选取数据集中的数据，数据的输入顺序会被打乱；shuffle取值为False（默认值）的时候，输入数据的顺序是固定的。2、transform 里，取了不同值，这个有什么区别？在数据转换（transform）中，不同的取值可以导致不同的数据转换结果，这会对模型的训练和性能产生不同的影响。
2023-07-19 16:21:58
67
原创 深度学习作业_Week1
1、在每个卷机后面添加了Relu激活函数，解决了Sigmoid的梯度消失问题，使收敛更快。2、使用随机丢弃技术（dropout）选择性地忽略训练中的单个神经元，避免模型的过拟合3、添加了归一化LRN层，使准确率更高。
2023-07-13 12:11:56
84
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人