深度学习DL

已于 2022-07-02 16:29:54 修改
阅读量324 收藏
点赞数
文章标签： python 深度学习
于 2022-07-01 16:37:50 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/hanshixin/article/details/125561566
版权

卷积

GCConv(分组卷积)：详解

torch操作

生成固定形状的tensor类型：

import torch
# 生成shape = (1, 4, 3, 3)
x = torch.randint(low=0, high=36, size=[1, 4, 3, 3])

HANgugu
关注
AIGC实战——深度学习 (Deep Learning, DL)
盼小辉丶的博客
10-25 5万+
深度学习 (Deep Learning, DL) 是贯穿所有生成模型 (Generative Model) 的共同特征，几乎所有复杂的生成模型都以深度神经网络为核心，深度神经网络能够学习数据结构中的复杂关系，而不需要预先提取数据特征。在本节中，我们将介绍深度学习基本概念，并利用 Keras 构建深度神经网络。
轻量化模块介绍
m0_68503034的博客
03-28 552
Mobilenet v1是Google于2017年发布的网络架构，旨在充分利用移动设备和嵌入式应用的有限的资源，有效地最大化模型的准确性，以满足有限资源下的各种应用案例。分析了ShuffleNet v1和MobileNets V2在GPU和ARM上的耗时分布，从图中可看出Conv操作占了其时间的绝大多数，但Elemwise/Data IO等内存读写密集型操作也占了相当比例的时间，因此，我们在设计网络的时候，不仅要考虑Conv的个数也要考虑其他操作。如上表所示，第一层是标准卷积，然后后面是前述的瓶颈结构。
立体匹配 -- GC-Net网络结构分析
weixin_41405284的博客
10-30 5622
参考 GC-Net pytorch版本 首先看代码要对应着网络结构图和网络层的表格。 一.Unary Features 特征提取 1.使用2-D卷积提取深度特征。首先使用fiter size:5*5,stride:2的conv2d 将输入降维(1/2H,1/2W). imgl0=F.relu(self.bn0(self.conv0(imgLeft))) imgr0=F.relu(self.bn0(self.conv0(imgRight))) self.conv0=nn.Conv2d(3,3.
卷积压缩算法--ShuffleNetwork
remanented的博客
03-20 3286
ShuffleNetwork ShuffleNetwork：An Extremely Efficient Convolutional Neural Network for  Mobile Devices论文地址：ShuffleNetwork摘要         介绍了一个名字为ShuffleNet计算效率极快的CNN框架，该框架设计用于计算能力有限的移动设备。主要是使用了两种操作：一个是point...
基于pytorch模型剪枝的实现（极大的减少模型计算参数加快模型运行速度）
帅的发光发亮的博客
10-03 2万+
深度模型剪枝实现以及一些网络优化技巧模型剪枝：Learning Efficient Convolutional Networks Through Network Slimming (ICCV 2017).基于论文的代码复现以及拓展：在网络上中加入其它优化方法最强深度学习优化器Rangerwarm up与consine learning rate为什么使用warmup?label smoothapex混合精度训练梯度累加其他网络部署的方式： 模型剪枝：Learning Efficient Convolutio
PyG搭建GCN实现节点分类（GCNConv参数详解）
热门推荐
KI的博客
03-13 2万+
PyG搭建GCN实现节点分类（GCNConv参数详解）
VM——深度学习DL模块使用（1）：代理崩溃
yu_fujiang的专栏
12-15 1133
VM调用DL时代理崩溃的解决方法
2021山东大学深度学习dl期末题回忆版.txt
01-03
在深度学习领域，尤其是在卷积神经网络（CNN）中，使用较小的卷积核（如3x3或1x1）相比于较大的卷积核（如5x5或7x7），可以显著减少模型所需的参数数量。参数量的减少意味着模型更加轻量级，训练时所需的时间和计算...
深度学习100例、深度学习DL、图片分类、目标识别、目标检测、自然语言处理nlp、文本分类、TensorFlow、P.zip
02-04
这个压缩包“深度学习100例、深度学习DL、图片分类、目标识别、目标检测、自然语言处理nlp、文本分类、TensorFlow、P.zip”包含了多个深度学习相关的重要主题，这些主题对于理解和应用深度学习至关重要。 首先，...
研究生研一学习机器学习ML、深度学习DL的规划
没有最好，只有更好
05-04 2530
研究生学习机器学习DL、深度学习DL的规划 保上研之后也没有很好规划自己的学习路线，看到b站上的一位清华博士讲述他本科也是机械跨考计算机的学习路线，所以记录下来，从现在开始按照规划来一点一点地做好。 掌握python（推荐一周） 1.1 面向对象编程 廖雪峰python网站: https://www.liaoxuefeng.com 1.2 数据分析Numpy numpy 100题: https://www.yanxishe.com/columnDetail/24784 1.3数据分析pandas pan
深度学习(DL, Deep Learning)
Xiebe的博客
06-25 2191
深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。 ...
GCNet
soarflight_ing的博客
12-03 4208
GCNet GCNet：Non-local Networks Meet Squeeze-Excitation Networks and Beyond,cvpr,2019. 链接：paper 代码：github 摘要 背景：Non-local Network 提供了一种捕获远程依赖关系的开创性方法，通过将特定于查询的全局上下文聚合得到每个查询位置。但是，本文发现，对于图中不同的查询位置，non-local network 网络建模的上下文信息几乎是相同的。 贡献：基于上述问题，文中建立了一个简化的基于查询
【ICCV2021】Context Reasoning Attention Network for Image Super-Resolution
中国海洋大学AI前沿理论组
01-24 888
论文：【ICCV2021】Context Reasoning Attention Network for Image Super-Resolution 代码：https://github.com/Ast-363/CRAN （非官方实现） 论文的研究动机是“recent advances in neuroscience show that it is necessary for the neurons to dynamically modulate their functions according t..
GCnet论文详解
weixin_42662358的博客
05-29 1万+
传送地址：https://arxiv.org/pdf/1904.11492.pdf 主要思想 如何获取全文信息(global context) 或者叫长距离依赖性。从视觉角度直观理解，比如我们要认出一个人的话可能需要看整个脸部才能认的出来，单给你脸部的一块皮肤，鼻子相对比较难判断。极端一点来说，例如你的朋友离你很远的情况下，需要看身高，衣服来获取整体的信息才能做出判断。 那么对于图像卷积来说，如何...
【人工智能学习之PaddleOCR快速上手】
Jiagym的博客
10-12 1404
在配置文件中，可以设置组建模型、优化器、损失函数、模型前后处理的参数，PaddleOCR从配置文件中读取到这些参数，进而组建出完整的训练流程，完成模型训练，在需要对模型进行优化的时，可以通过修改配置文件中的参数完成配置，使用简单且方便修改。而 L2 正则化中，添加正则化项的目的在于减少参数平方的总和。准确检测的标准是检测框与标注框的IOU大于某个阈值，正确识别的检测框中的文本与标注的文本相同。如果缺少带标注的数据，或者不想投入研发成本，建议直接调用开放的API，开放的API覆盖了目前比较常见的一些垂类。
pandas中数据子集的获取
weixin_43597208的博客
10-14 462
通常，在pandas模块中实现数据框子集的获取可以使用iloc、loc和ix三种方法，这三种方法既可以对数据行进行筛选，也可以实现变量的筛选，它们的语法可以表示成[rows_select,cols_select]。iloc只能通过行号和列号进行数据的筛选，可以将iloc中的i理解为’integer’，即只能向[rows_select,cols_select]指定整数列表该索引方式与数组的索引方式类似，都是从0开始，可以间隔取号，对于切片仍然无法取到上限。
Python编程实例-猜数字游戏
视觉与物联智能
10-17 40
每个人都喜欢玩游戏。数字游戏既有趣又对大脑活动有益。在本文中，我们将使用Python创建一个有趣的数字猜谜游戏
【Java 22 | 8】 深入解析Java 22 ：Pattern Matching 特性详解
最新发布
颜淡慕潇
10-17 1842
Java 22 进一步扩展了模式匹配（Pattern Matching）功能，简化了类型检查和条件表达式的使用。此特性不仅提升了代码的可读性，还减少了常见的错误。以下是对 Java 22 中模式匹配的详细介绍，包括基础概念、增强特性、使用场景、示例代码，以及如何在实际项目中有效利用模式匹配
Python 使用 Jarvis 算法或包装的凸包（Convex Hull using Jarvis’ Algorithm or Wrapping）
csdn_aspnet的专栏
10-14 1186
例如，当输入 (0, 3), (0, 0), (0, 1), (3, 0), (3, 3) 时，它产生 (0, 3) (0, 0) (3, 0) (3, 3) 的输出；当输入 (0, 3), (0, 1), (0, 0), (3, 0), (3, 3) 时，输出为 (0, 3) (0, 1) (0, 0) (3, 0) (3, 3)。下一个点被选为在逆时针方向上领先于所有其他点的点，即，如果对于任何其他点 r，我们有“orientation(p, q, r) = 逆时针”，则下一个点是 q。
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