![](https://img-blog.csdnimg.cn/20190927151026427.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
图像分类
文章平均质量分 64
图像分类
捣蛋老爷
走过绝望之谷,迎来顿悟之坡。
展开
-
深度学习-图像分类篇一:基础理论
1.Pytorch每一步梯度更新都不会清除梯度,这在tensorflow中没有,这种特性可以让我们用很小的显存实现较大batchsize的训练只要把积累的梯度取均值就可以在反向传播中参数:https://www.zhihu.com/question/303070254。(3)建议将bn层放在卷积层(Conv)和激活层(例如Relu)之间,且卷积层不要使用偏置bias,因为没有用,参考下图推理,即使使用了偏置bias求出的结果也是一样的。原创 2023-07-12 21:43:25 · 207 阅读 · 0 评论 -
深度学习-图像分类篇二:注意力机制
self-attention的做法。- transform的做法。原创 2023-07-12 21:43:02 · 547 阅读 · 0 评论 -
深度学习-图像分类篇三:transform网络
【代码】深度学习-图像分类篇三:transform网络。原创 2023-07-07 10:53:14 · 383 阅读 · 0 评论 -
深度学习-图像分类篇四: RepVGG Block ConvNeXt
ConvNeXtRepVGG 融合bn和conv层要明确:在推理的时候batch的均值和方差是固定的训练好的数据,训练的时候是时刻更新的原创 2023-07-07 10:52:57 · 61 阅读 · 0 评论