- 博客(4)
- 收藏
- 关注
RSS订阅原创 MEC论文阅读笔记——第一篇
将Q-learning和DQN算法应用到了computation offloading and resource allocation任务，模拟显示效果很好。
2023-06-27 12:41:31
149
原创 04.池化层——梯度更新
卷积层.由于卷积层在反向传播时梯度计算更复杂，因此首先介绍它。在下面的记号中，我们以 zzz 代表每一层未经过激活函数输出的结果，sigma(z)sigma(z)sigma(z) 表示激活函数，令a=σ(z)a=\sigma(z)a=σ(z)表示经过激活函数后的输出结果。另外，在数学文献中，∗*∗ 是卷积的标准符号，下面若无特殊说明，均遵循该规定。单个卷积核计算过程示意图如下所示，其通道数为 1池化层max pooling的前向传播是把patch中最大的值传递给后一层，而其他像素的值直
2022-05-11 17:27:46
794
原创 2.pytorch--混合精度训练
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、混合精度训练原理：解决办法是：步骤：二、使用步骤1.引入库2.使用混合精度训练总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考一、混合精度训练原理：将FP32的数据存储成FP16显然可以减小存储空间也可加快运算速度。但对于 FP16 不可避免.
2022-05-07 12:21:33
1303
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人