深度学习6:SqueezeNet、GoogLenet

SqueezeNet

paper: https://arxiv.org/abs/1602.07360

code:  https://github.com/DeepScale/SqueezeNet

以下这些博文整理的以及相当全面,记录一下

1.SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <1MB model size笔记

原文链接:http://blog.csdn.net/jiajunlee/article/details/50785975

 

2.最新SqueezeNet 模型详解,CNN模型参数降低50倍,压缩461倍!

原文链接:http://blog.csdn.net/xbinworld/article/details/50897870

 

3.超轻量级网络SqueezeNet算法详解

原文链接:http://blog.csdn.net/shenxiaolu1984/article/details/51444525

 

4.论文笔记:SqueezeNet

原文链接:http://blog.csdn.net/lebula/article/details/53384936

 

5.SequenceNet论文翻译

原文链接:http://blog.csdn.net/u014540717/article/details/53397029

 

GoogLenet

1. 

GoogLeNet系列解读

 

 

http://blog.csdn.net/shuzfan/article/details/50738394#reply

 

 

2.学习笔记:GoogLeNet

 

http://blog.csdn.net/lynnandwei/article/details/44458033

3.谷歌系列 :Inception v1到v4

http://blog.csdn.net/yuanchheneducn/article/details/53045551

4.GoogleNet tips

http://www.cnblogs.com/santian/p/5470181.html

 

  • 1
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

微风❤水墨

你的鼓励是我最大的动力!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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