![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
CNN
大笨熊。。。
多看,多记,多学。
展开
-
深度可分离卷积操作的理解(depthwise separable convolution)
深度可分离卷积操作的理解:(转载于博客园) 地址:https://www.cnblogs.com/adong7639/p/7918527.html MobileNet模型的核心就是将原本标准的卷积操作因式分解成一个depthwise convolution和一个1*1的pointwise convolution操作。简单讲就是将原来一个卷积层分成两个卷积层,其中前面一个卷积层的每个filter...转载 2019-03-30 12:03:33 · 1752 阅读 · 1 评论 -
论文《Modeling Relational Data with Graph Convolutional Networks》解读
《Modeling Relational Data with Graph Convolutional Networks》 本论文发表在arxiv2017。 论文思路: 论文引入了关系图卷积网络(R-GCNs),并将其应用于两个标准知识库上完成任务:链接预测(恢复缺失的事实,即主题-谓词-对象三元组)和实体分类(恢复缺失的实体属性)。RGCNs是专门为处理具有高度多关系数据特征的现实知识库。证明...原创 2019-04-03 16:14:53 · 5608 阅读 · 0 评论