![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 86
0010000100
这个作者很懒,什么都没留下…
展开
-
卷积神经网络(CNN)简单原理与简单代码实现
这段代码首先定义了数据预处理步骤,然后定义了一个简单的CNN模型,该模型包含两个卷积层、两个池化层和一个全连接层。需要注意的是,测试模型的代码部分在这里被省略了,但通常包括关闭梯度计算、遍历测试集、计算模型输出与真实标签之间的损失或准确率等步骤。卷积操作是使用一个或多个可学习的滤波器(或称卷积核)在输入数据上滑动,计算滤波器与输入数据对应区域的点积,生成特征图(Feature Map)。局部连接:卷积层中的每个神经元仅与输入数据的一个局部区域相连,这有助于捕捉图像的局部特征。原创 2024-08-05 18:14:11 · 252 阅读 · 0 评论 -
深度学习-模型剪枝和权重共享有什么区别和联系
模型剪枝:模型剪枝是一种通过移除模型中“不必要”的权重或神经元来减少模型参数数量的技术。这些“不必要”的权重或神经元通常对模型的预测性能贡献较小。剪枝技术可以分为细粒度剪枝、粗粒度剪枝和结构化剪枝等,旨在通过减少模型的大小和计算量来提高模型的效率和速度。权重共享:权重共享是指在神经网络的不同位置或不同层次上使用相同的权重参数。这种技术通常应用于卷积神经网络(CNN)中,通过共享权重参数来减少模型的总参数数量。原创 2024-08-05 17:52:17 · 584 阅读 · 0 评论 -
深度学习-模型剪枝
模型剪枝是一种模型压缩技术,它通过移除神经网络中的“不必要”权重或偏差(weight/bias),减少模型的大小和计算量,从而提高模型的效率和速度。剪枝的主要目的是在保持模型性能的前提下,降低模型的复杂度和资源消耗。原创 2024-08-05 16:32:23 · 344 阅读 · 0 评论