- 博客(5)
- 资源 (4)
- 收藏
- 关注
原创 详解GCN原理-公式推导
GNN surveyconvolution如何graph domain 上做convolution 是最近最热门的研究方向。总的来说有两种卷积的方法: Spectral and non-spectral (spatial)spectral Network通过对图的拉普拉斯矩阵做特征分解,将它定义在 傅里叶 domain上。在深入解释之前,先看一些有关图的定义,以下都是针对无向图所做的说明对于图GGG,可以用它其中的节点VVV 和 边EEE来对他进行定义。矩阵AAA是图的邻接矩阵,反应了节点
2020-06-12 22:47:50
5819
4
原创 DenseNet
DenseNet还是想主要解决梯度消失的问题,虽然这个问题在之前的模型中,例如resnet给出了解决办法。之前的模型都有一个共同的特点:都在新层和旧层之间创造了捷径。Densenet沿用了这种方法,选择将所有的层都链接在一起,保证最大信息在层与层之间进行流动。与ResNet不同的是,densenet 并没有将特征进行相加得到新的特征,而是将每一层传进来的特征进行拼接操作。所以第L层将会有L个inputs,包含着前面所有卷积块的特征图。需要更少的参数,不用去学习冗余的特征图 feature-map
2020-06-09 13:46:39
257
原创 GoogLeNet-Good LeNet 致敬LeNET
GoogLeNet-Good LeNet 致敬LeNET直到论文看了一大半,才发现这个名字其实不是GoogleNet。。。Inception architectureMain idea is based on finding out how an optimal local structure in a convolutional vision network can be approximated and covered by readily available dense components.
2020-05-31 22:49:51
359
原创 VGGNET:探索卷积神经网络的深度
VGGNET:探索卷积神经网络的深度比较典型的是下面的D-VGG16和E-VGG19模型Architecture![在这里插入图片描述](https://img-blog.csdnimg.cn/2020053009525617.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1NwZXJOaWppYQ==,size_16,color_FFFFF
2020-05-30 09:53:26
586
原创 pytorch中torchvision的介绍
pytorch中torchvision.transforms的介绍1. torchvision.transforms这就是一个对数据做预处理的工具包,可以对图像的数据做转换和裁剪大小等。torchvision.transforms.Compose(arg):其中arg是一个list类型,其中包含着所有你要对这个数据做的操作。trans=[]将数据转换成tensor类型trans.append(transforms.ToTensor())修剪图片大小Resize(num) 这个通常在to
2020-05-28 10:58:33
432
编译原理:正规式判断字符串是否匹配
2017-12-20
Python核心编程(第2版) [Core PYTHON Programming]
2017-09-01
python cookbook 中文版
2017-09-01
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人