ASEpochs-CSDN博客

原创【MobileNetV2介绍+神经网络学习相关预备知识资料】

卷积神经网络概述卷积神经网络精讲经典卷积神经网络结构卷积神经网络工程实践技巧：https://www.bilibili.com/video/BV1K7411W7So?p=9加速深度学习计算的算法和硬件：https://www.bilibili.com/video/BV1K7411W7So?p=14子豪兄MobileNet V1论文精读：https://www.bilibili.com/video/BV16b4y117XH。

2024-09-16 19:13:55 936

原创【MobileNetV3笔记+Typora + Gitee 配置图床】

MobileNetV3与Gitee+Typora

2024-09-16 19:08:07 822 1

原创【ShuffleNetV1论文精读】

有些很好的论文我认为是旧瓶装新酒，一些很早以前就有的概念，我们拿来解决新的问题，发现他是可行的，是新work，这是人工智能一个技术迭代螺旋上升的一个路径。有些技术是别人已经想到过的，但是你发现它可以用来解决新问题，这就是一种创新。我们介绍了一种名为ShuffleNet的计算效率极高的CNN架构，该架构专为计算能力非常有限的移动的设备设计（例如，10- 150MFLOP）。新的架构利用两个新的操作，逐点组卷积和信道混洗，以大大降低计算成本，同时保持准确性。

2024-09-16 18:53:12 1777

原创 tensorboard页面不显示问题

第二个：有时候路径问题真的很麻烦，需要全局路径，我一开始终端运行代码tensorboard --logdir= D:\25364\桌面\大四\1神经网络深 deep-learning-for-image-processing-master\pytorch_classification\Test2_alexnet\logs --port=6023logs --port=6023显示页面文件不存在，

2024-04-13 18:25:46 344

原创【论文分析】异质信息网络上部分消息传播的可微元多图搜索

异构信息网络（HINs）广泛用于描述具有复杂实体和关系的真实世界数据。为了自动利用它们的语义信息，最近在HINs的各种任务上开发了图神经架构搜索。然而，现有的工作在不稳定性和不灵活性方面存在弱点。为了解决这些问题，我们提出了一种称为Partial Message Meta Multigraph Search（PMMM）的新方法，用于在HINs上自动优化神经架构设计。具体来说，为了学习图神经网络（GNNs）如何沿着各种类型的边传播消息，PMMM采用了一种高效的可微分框架。

2023-09-12 20:16:11 303

原创【2020顶会KDD】AutoST：面向时空预测的高效神经架构搜索

时空（ST）预测（例如人群流量预测）在智能城市应用中的城市规划、智能交通和公共安全等领域具有重要意义。最近，许多深度神经网络模型已被提出用于进行准确的预测。然而，手动设计神经网络需要大量的专业工作和ST领域知识。如何自动构建适用于城市中多样时空预测任务的通用神经网络？在本文中，我们研究了面向时空预测的神经网络架构搜索（NAS），并提出了一种高效的时空神经架构搜索方法，称为AutoST。据我们所知，搜索空间是NAS在不同应用中取得成功的重要人为因素，而当前的NAS模型集中于优化固定搜索空间中的搜索策略。

2023-09-10 00:16:07 394 1

原创【论文精读】Auto-STGCN：自主空时图卷积网络基于强化学习的搜索和现有研究结果

近年来，许多空时图卷积网络（STGCN）模型被提出来应对空时网络数据预测问题。这些STGCN模型各有优势，即它们各自提出了许多有效的操作，在实际应用中取得了良好的预测结果。如果用户能够有效地利用和组合这些优秀的操作，整合现有模型的优势，那么他们可能会获得更有效的STGCN模型，从而在现有工作的基础上创造更大的价值。然而，由于缺乏领域知识，他们无法做到这一点，也缺乏自动化系统来帮助用户实现这一目标。在本文中，我们填补了这一空白，提出了Auto-STGCN算法，

2023-09-01 14:28:21 747 1

原创论文分析——动态异构图注意神经结构搜索

动态异构图神经网络（DHGNNs）已被证明在处理普遍存在的动态异构图方面具有有效性。然而，现有的 DHGNNs 是手工设计的，需要大量的人力投入，并且无法适应各种不同的动态异构图场景。在本文中，我们提出自动设计 DHGNN 的方法，面临两个主要挑战：1）如何设计搜索空间以共同考虑图中的时空依赖关系和异构交互；2）如何在潜在的庞大且复杂的搜索空间中设计高效的搜索算法。为了解决这些挑战，我们提出了一种新颖的动态异构图注意力搜索（DHGAS）方法。

2023-08-24 00:08:29 798 4

原创 MNASNET：移动领域的平台感知神经架构搜索

为移动的设备设计卷积神经网络（CNN）具有挑战性，因为移动模型需要小而快速，但仍然准确。虽然已经投入了大量的努力来设计和改进移动的CNN在所有维度上，这是非常困难的手动平衡这些权衡时，有这么多的架构可能性考虑。在本文中，我们提出了一种自动移动的神经架构搜索（MNAS）的方法，明确地将模型延迟到主要目标，使搜索可以识别一个模型，实现了良好的平衡精度和延迟。与先前的工作不同，其中经由另一个通常不准确的代理（例如，FLOPS），我们的方法直接测量现实世界的推理延迟，通过在移动的上执行模型。

2023-08-11 00:23:02 366 1

原创轻量化网络ShuffleNet V1