深度学习网络模型梳理

置顶 已于 2022-09-27 16:20:54 修改
阅读量548 收藏 1
点赞数 2
分类专栏： 深度学习 文章标签： 深度学习 网络 神经网络
于 2022-09-25 23:20:38 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/guguo666/article/details/127039216
版权

Resent

残差网络

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

一、Resent网络理论部分

2015年，He等人采用残差网络（Residual Networks，ResNet）来解决梯度消失的问题。ResNet的主要特点是跨层连接，它通过引入捷径连接技术（shortcut connections）将输入跨层传递并与卷积的结果相加。在ResNet中只有一个池化层，它连接在最后一个卷积层后面。ResNet使得底层的网络能够得到充分训练，准确率也随着深度的加深而得到显著提升。将深度为152层的ResNet用于LSVRC-15的图像分类比赛中，它获得了第1名的成绩。在文献中，还尝试将ResNet的深度设置为1000，并在CIFAR-10图像处理数据集中验证该模型。

VGG

RNN递归神经网络

会将之前结果全部记下来，太多可能会导致一些特征不清楚。
在这里插入图片描述

LSTM

在这里插入图片描述

word2vec词向量模型

在这里插入图片描述
转换为词向量，根据前后两个次，输出得到一个多分类，让最有可能出现的第三个词，概率变大。

在这里插入图片描述
构建语料库，人为添加0标签

CBOW

在这里插入图片描述

Skipgram

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

GAN对抗生成网络

transfomer

在这里插入图片描述

在这里插入图片描述

TNT

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
蓝色的离散程度更大，特征更鲜明

DETR

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

faster-rcnn

一颗西柚子
关注
  • 2
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
深度学习模型的版权保护研究综述
weixin_70923796的博客
07-22 559
摘要随着深度学习技术的迅猛发展，深度学习模型在图像分类、语音识别等领域得到了广泛应用。训练深度学习模型依赖大量的数据和算力，成本高昂，因此，出售已训练好的模型或者提供特定的服务(如DLaaS)成为一种商业模式。然而，如果模型遭到恶意用户窃取，则可能会对模型训练者的商业利益造成损害。此外，网络拓扑结构设计和参数训练的过程包含着模型训练者的智慧结晶，因此一个训练完备的模型应属于模型开发者的知识产权从而得到保护。近年来，深度神经网络水印成为一个新兴的研究课题，研究者将多媒体内容保护的方法引入深度学习模型保护领域，
神经网络与深度学习学习梳理
weixin_55509876的博客
04-01 1628
人工智能是用机器去实现所有目前必须借助人类智慧才能实现的任务。其具体研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统。机器学习是人工智能的一个重要分支，是一种强大的可以从经验中进行学习的一种技术，通常采用观测数据与环境交互的形式，积累更多的经验，其性能也会逐步提高，进而实现复杂的功能。主要应用领域有计算机视觉、自然语言处理、医疗保健和基因组学等。可以用来学习的数据（data）；如何转换数据的模型（model）；
神经网络与深度学习学习梳理（4）
weixin_55509876的博客
05-06 1727
图像分类：当前输入−>当前输出时间序列预测：当前+过去输入−>当前输出假设一个交易员想在当日的股市中表现良好，于是通过以下途径 预测随着观测，时间序列越来越长，过去太久的数据不必要，因此：保留一些对过去观测的总结，并且同时更新预测和总结。这就产生了基于估计，以及更新的模型。
深度学习基础算法梳理
lili1158的博客
10-28 4351
深度学习算法学习分享
深度学习大模型学习100tips
热门推荐
xw555666的博客
11-07 1万+
通过深入了解这些细节，并在实际项目中应用相关的知识，将能够更好地理解和利用大模型的潜力，不仅在学术研究中，也在工程实践中。通过不断探索新方法、参与项目和保持热情，并将其应用于各种领域，从自然语言处理到计算机视觉和自动驾驶。通过不断学习、实践和探索，可以不断提升自己在深度学习领域的技能和洞察力，同时也能为社会和行业带来创新和改进。从小规模的项目和模型开始，逐渐迭代和扩展到更大的模型，逐步积累经验，最终能够处理大模型和复杂任务。分享您的研究成果和代码，以获得反馈和建立声誉。
深度学习神经网络基本原理
weixin_46111970的博客
11-24 1621
深度学习面临的挑战是：图像的底层视觉特性和高层语义概念之间的鸿沟。例如人和狗是不一样的图像，但如果他们背景颜色都一样，视觉特征很像，但语义不同。一个卷积核可以提取图像的一种特征，多个卷积核可以提取多个特征。对于全连接的神经网络，有几个结构输入层、隐藏层、输出层。交叉熵损失函数：预测值与真实值越接近，损失函数越小。多通道卷积：输出为对应通道在滑动窗口内的卷积的和。让总损失尽可能的小，预测值与真实值之间的差距。总的流程为：建立模型——损失函数——参数学习。深度全连接模型的不足之处：模型参数太多。
深度学习——知识梳理篇（已入门）
GWENGJING的博客
10-10 909
本文不太适合深度学习初学者，适合于深度学习已入门的朋友来梳理知识的大纲，里面的一些技术我也会在后面的逐一进行讲解，本文将从过拟合这个问题来贯穿整个深度学习。
深度学习 - 记忆网络
qq_40671063的博客
05-15 1406
记忆网络一些方法梳理
深度学习目标检测算法梳理
蜗牛博客
05-19 2345
梳理目标: 整理自己在入门深度学习目标检测领域时读取的一些论文和对一些论文方法的见解。便于自己记忆和梳理思路，仅供参考。 发展历程： 思路整理: 阅读过的内容: R-CNN、SPP-Net、Fast R-CNN、Faster R-CNN、YOLO v1、SSD、YOLO v2、FPN、Mask R-CNN、YOLO v3 基于传统机器学习的目标检测方式： 在梳理深度学习目标检测前，个人还是喜欢首先梳理一下传统机器学习的目标检测方式，因为深度学习的目标检测方式是在传统机器学...
深度学习：蒲公英书手推
09-01
深度学习中的主要模型包括卷积神经网络（CNN）、循环神经网络（RNN）、长短时记忆网络（LSTM）以及自注意力机制的Transformer等。CNN主要用于处理图像数据，通过卷积层提取特征，池化层降低维度，全连接层进行分类。...
深度学习-ConvNeXt + ParC Net论文梳理-组会汇报PPT
10-24
深度学习领域的最新进展展示了卷积神经网络（ConvNets）与Transformer模型的融合与相互影响。本篇将重点梳理两篇重要论文中的概念——ConvNeXt和ParC Net，它们都是在现有技术基础上对卷积网络进行改进，以提升性能...
基于深度学习的程序合成研究进展
07-29
个角度出发，包括用户意图理解、程序理解、模型训练、模型测试与评估，归纳梳理了程序智能合成的研究进展，综述了该 领域近几年的研究成果。此外，本文还对可能面临的挑战进行了探讨，并展望了未来的发展趋势。本文...
深度学习中降维的几种方法
Thomas_Cai的记忆殿堂
08-02 358
深度学习中降维的几种方法
【深度学习】【语音TTS】OpenVoice: Versatile Instant Voice Cloning，论文
q742971636的博客
08-02 22
我们介绍了OpenVoice，一种多功能的即时语音克隆方法，只需参考说话者的短音频片段即可复制其声音，并生成多语言的语音。OpenVoice在解决以下领域开放挑战方面取得了重要进展：1）灵活的声音风格控制。OpenVoice允许对声音风格进行细粒度控制，包括情感、口音、节奏、停顿和语调，除了复制参考说话者的音色外。这些声音风格并不直接复制并受限于参考说话者的风格。之前的方法在克隆后无法灵活操控声音风格。2）零-shot跨语言语音克隆。
CNN卷积网络实现MNIST数据集手写数字识别
m0_67495624的博客
08-02 534
首先，通过MNIST类创建了train_data对象，指定了数据集的路径，并且将数据集标记为训练集train=True。表示不自动从网络上下载数据集，而是使用已经下载好的数据集。我是之前自己已经下载过该数据集所以这里填的是False,如果之前没有下载的话就要填True。下面测试集也是一样。将数据转换为张量形式。然后，通过DataLoader类创建了对象，指定了使用train_data作为数据源。表示在每个epoch开始时，将数据打乱顺序。表示每次抓取64个样本。
【初学人工智能原理】【10】卷积神经网络：打破图像识别的瓶颈
古月居
08-02 486
本文教程均来自b站【小白也能听懂的人工智能原理】，感兴趣的可自行到b站观看。
深度学习DeepLearning Inference 学习笔记
最新发布
m0_64089565的博客
08-02 277
应当选择正确的隐藏层数和每层隐藏神经元的数量，以达到这一层的输出是下一层的输入，逐层变得清晰，最终输出数据的目的。在人脸识别的应用中，我们将图片视作连续的像素值序列，隐藏层不断匹对信息，颗粒从小到大。
改进YOLOv5：加入非对称卷积块ACNet，加强CNN 的内核骨架，包含VOC对比实验
qq_44224801的博客
08-02 20
改进YOLOv5：加入非对称卷积块ACNet，加强CNN 的内核骨架，包含VOC对比实验
深度学习入门与关键技术梳理
Restricted Boltzmann Machine (RBM) 是一种经典的深度学习模型，用于生成式建模；Deep Belief Networks (DBN) 是多层受限玻尔兹曼机的堆叠，用于预训练其他深度模型；以及Convolutional Neural Networks (CNN) 在...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值