- 博客(6)
- 收藏
- 关注
RSS订阅原创 C++添加命令参数及运行文件制作
这里写自定义目录标题添加命令参数制作运行文件添加命令参数代码如下：int main(int argc, char **argv){ std::string param1; std::string params; for (int i = 1; i < argc; i++) { if (strcmp(arvg[i], "--param1") == 0) { param1 = argv[i+1]; i++; } if (strcmp(arvg[i], "--pa
2022-02-25 16:37:43
985
原创 对抗生成网络(GAN)原理解析及扩展应用（付论文）
论文阅读总结：这篇文章其实提出的是一种框架，只不过用多层感知器来实现一下，就得到了生成对抗网络这个特例。现在大多数的网络是判别模型，生成模型也有，比如受限玻尔兹曼机等。但是这些模型都要用到马尔可夫链，这是一个无监督学习的过程，只要有输入就可以，但是马尔可夫过程的计算量很大。GAN用监督学习实现了生成网络，不需要用马尔可夫链，用BP就可以训练。GAN最重要的就是可以生成高质量图像（按文本生成图像...
2019-09-26 12:42:40
760
原创 FLOPs与FLOPS的区别
FLOPS 注意全部大写 是floating point of per second的缩写，意指每秒浮点运算次数。用来衡量硬件的性能。FLOPs 是floating point of operations的缩写，是浮点运算次数，可以用来衡量算法/模型复杂度。...
2019-09-26 12:21:04
23513
3
原创 计算网络中的参数量(param)和浮点计算量(FLOPs)
手动计算：先上公式。paramconv=(kw∗kh∗cin)∗cout+coutparam_{conv}=(k_w * k_h * c_{in}) * c_{out} +c_{out}paramconv=(kw∗kh∗cin)∗cout+coutFLOPsconv=[(kw∗kh∗cin)∗cout+cout]∗H∗WFLOPs_{conv}=[(k_w * k_h * c_{...
2019-09-26 12:19:22
8618
3
原创 Large-Scale Evolution of Image Classifiers论文阅读
Abstract:提出了一个大规模进化算法，减少在网络设计过程中的人为参与明显缺陷是会产生很大的计算量不需要预处理，整个演化过程开始之后不需要认为参与，最后会输出一个训练好的网络具体方法：population: consist of modelsindividual: each modelworker: each computerfitness:accuracy（训练完成之后，...
2019-07-20 14:31:07
1200
1
原创 DenseNet论文阅读（ResNet与DenseNet的区别）
论文：Densely Connected Convolutional Networks论文链接：https://arxiv.org/pdf/1608.06993.pdf代码的github链接：https://github.com/liuzhuang13/DenseNet近期提高提高准确率的方向主要有两个，一个是加深网络（就像ResNet那样），一个是加宽网络（就像Inception那样）。而De...
2019-07-20 14:16:16
2106
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