- 博客(12)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 分组卷积的实现
一、分组卷积的概念（回顾）前面讲了。这里简单回顾一下：分组卷积就是将特征图平均分为N组，然后每组内部进行正常卷积，然后N组得到的特征图按照通道维度进行拼接，得到输出。如图所示，左边是正常的卷积，输入通道为12，输出通道为6，卷积核大小为3*3。右边就是分组卷积。分成了三组，然后分别做卷积。每一组输入通道有4，输出通道为2。经过分组卷积之后，得到的也是6个通道输出。二、分组卷积的优缺点分组卷积的优点：1. 分组卷积的参数量是正常卷积的1/N 。N为分组数，这里为3。2.
2021-08-31 11:20:51
2843
原创 6. torchvision中的ResNeXt实现
在torchvision中，并没有单独实现ResNeXt，而是在实现ResNet的实现中顺便实现的。代码如下，我把与ResNeXt有关的拿出来了：import torchimport torch.nn as nndef conv3x3(in_planes, out_planes, stride=1, groups=1, dilation=1): """3x3 convolution with padding""" return nn.Conv2d(in_planes, ou
2021-08-30 15:28:35
541
原创 实验2：Inception-resnet-v2模型的实现
本来做的实验是：inception-resnet-v2模型实现，并且用它来进行推理，但是推理的部分实在是没必要做笔记。就是《inference汇总》稍微改了一点点而已。这里就只把inception-resnet-v2模型的实现列出来了。完整的inference的代码见：D:\pythonCodes\深度学习实验\4.1_经典分类网络\7：GoogLeNet v4\inference_inception_resnet_v2在torchvision中，是没有inception-v4的实现的。这里找的是：ht
2021-08-22 14:22:41
3250
8
原创 实验1：inception - v4模型的实现
本来做的实验是：inception-v4模型实现，并且用它来进行推理，但是推理的部分实在是没必要做笔记。就是《inference汇总》稍微改了一点点而已。这里就只把inception-v4模型的实现列出来了。完整的inference的代码见：D:\pythonCodes\深度学习实验\4.1_经典分类网络\7：GoogLeNet v4\inference_inceptionV4在torchvision中，是没有inception-v4的实现的。这里找的是：https://github.com/Cad
2021-08-22 14:08:39
900
原创 论文精读：Inception-ResNet的网络结构
讲了Inception v4之后，就很容易理解Inception-ResNet了。Inception-ResNet有两个版本：v1和v2。一、整体架构左图是Inception v4的网络结构，右图是Inception-ResNet v1和v2的结构。可以看到，Inception-ResNet v1和v2也是由6大模块组成的：Stem；Inception-resnet-A、B、C；Reduction-A、B。不同的应该是每一块的设计。二、详细结构对比2.1 stem左边
2021-08-21 17:35:23
1431
原创 Inception v4的网络结构
一、Inception v4整体架构Inception v4的整体框架如图9所示：分为6大模块：Stem；Inception-A、B、C；Reduction-A、B。每个模块针对性的设计。这也是缺点吧，适用性很差。换一个数据集谁知道行不行，谁知道改哪里啊。所以现在很少能看到inception v4和inception resnet，几乎没人用。二、详细介绍2.1 StemStem(主干),最大的作用就是快速降低特征图的分辨率，使得后面的inception减小计算量。共有9层。也.
2021-08-21 13:13:21
1409
原创 补充：标签平滑的实现
一、torch.gather()函数与交叉熵损失的计算1.1 torch.gather()函数这个函数较难懂。这里讲一下，因为后面可能用到。结果的形状与index的形状一样。比如上例中，index是一个2*2的张量，那么最后的结果就是2*2的张量。首先令out[i][j] = input[i][j]，然后因为dim是1，所以要把j换掉，换成index[i][j]。这样就得到最后的结果了。out[0][0] = input[0][0], 把0换成index[0][0] = 0。所以..
2021-08-19 09:52:05
444
原创 补充：自适应池化
在alexnet的实现中，在FC层之前使用了AdaptiveAvgPool2d这个trick。自适应的池化。这个trick就是使得图片，不管多大的分辨率，输出都是6*6的。为什么要都统一成6*6呢？因为后面接了FC层，FC的输入神经元数目是固定的。如果前面的输入的神经元个数不匹配的话，那么这个FC层是没办法运行的。所以接了一个自适应的池化，把尺寸不匹配的特征图都池化到6*6。例1：当不加AdaptiveAvgPool2d()时，输入的尺寸必须是固定的。alexnet代码中不加自适应池化，
2021-08-15 16:09:08
2004
原创 GoogLeNet的实现
一、Inception模块的写法每一个inception的结构都一样，不同就是输入输出的通道数不一样。所以可以写成一个Module，这样就可以复用。以inception(3a)为例：代码：# @file name : test.py# @brief : Inception模块的写法# @author : liupc# @date : 2021/8/10import torchimport torch.nn as nndef Bas.
2021-08-10 20:29:39
308
原创 3. 论文精读1：Inception模块、GoogLeNet网络结构
一、GoogLeNet结构1.1 Inception 结构如图，右边是Inception的结构。左边是简单版本。简单版本存在一些问题，然后改进得到后面的版本。通过命名"Inception module with dimension reducetions"就知道，是通过降维的方法来改进的。怎么做改进的呢？我们通过找茬来看看：可以看到，改进就是加了3个1*1的卷积。1*1的卷积就是用来做降维的。(1)(2)(3) Inception Module的特点1..
2021-08-09 15:56:35
634
原创 图像检索评价指标：mAP@k、mAP的计算
一、mAP(mean Average Precision，平均检索精度)【原理】很多地方喜欢用这张图来解释，确实画的很好。这张图是求mAP@10的结果。mAP@k，就是查询的时候返回k张图片，然后计算mAP。mAP呢，就是对所有的结果都进行排序。k就等于gallery数据集的大小了。【举例】假设有3张图片，这三张图片的哈希码为：query1=[1,-1,1,1]， query2=[-1,1,-1,-1]，query3=[1,-1,-1,-1]。数据库中有7张图片，对应的哈
2021-08-05 16:42:53
10122
13
隐马模型解决词性标注问题
2018-07-28
使用CRF++工具进行人名识别
2018-07-12
《矩阵论 第三版》程云鹏（竖着排版版的格式）＋配套答案
2018-06-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人