- 博客(26)
- 收藏
- 关注
RSS订阅原创 BERT模型
本文介绍了BERT模型的复现过程，包括模型结构、训练流程和环境配置。BERT采用多层Transformer编码器，包含嵌入层（Token/段落/位置嵌入）、编码器层（多头自注意力和前馈网络）和输出头（MLM/NSP任务）。复现步骤：1）配置Python≤3.7环境；2）下载BERT-Tiny/Base模型文件；3）预训练：使用create_pretraining_dat
2025-10-13 10:13:28
753
原创 EDSR模型
EDSR超分辨率模型的PyTorch实现，该模型在CVPRW2017论文中提出。核心结构包括32个残差块（移除BN层以保留像素强度）、残差缩放机制和子像素上采样层。数据集使用DIV2K（800训练+100验证），通过option.py配置参数。训练采用分尺度策略（x2→x3→x4），预训练模型传递参数。测试结果显示x4模型PSNR达28.933dB，支持基准数据集和自定义图片验证。
2025-09-29 19:32:56
842
6
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