深度学习
文章平均质量分 96
深度学习及图像处理算法
Share_Shun
这个作者很懒,什么都没留下…
展开
-
【VM集成开源AI】深度学习算子模块封装
在深度学习模型落地的过程中,会面临将模型部署的问题,模型训练使用不同的框架,则推理的时候也需要使用相同的框架,但不同类型的平台,调优和实现起来非常困难,因为每个平台都有不同的功能和特性。ONNX 是 Open Neural Network Exchange 的简称,也叫开放神经网络交换,是一个用于表示深度学习模型的标准,可使模型在不同框架直接转换。iii.算法工程内添加界面交互代码;根据实际项目需求搭建合适的网络模型,本文基于pytorch架构以残差模型为例,搭建简单的分类模型model.py;原创 2023-06-03 11:12:02 · 819 阅读 · 0 评论 -
目标检测网络总结(R CNN系列 YOLO系列 SSD系列)
R CNN系列算法比较1.R-CNN:(1)image input;(2)利用selective search 算法在图像中从上到下提取2000个左右的Region Proposal;(3)将每个Region Proposal缩放(warp)成227*227的大小并输入到CNN,将CNN的fc7层的输出作为特征;(4)将每个Region Proposal提取的CNN特征输入到SVM进行分类;(5)对于SVM分好类的Region Proposal做边框回归,用Boundin......原创 2020-08-11 15:04:20 · 2664 阅读 · 0 评论 -
分类网络系列总结
论文链接转自:https://blog.csdn.net/julialove102123/article/details/79632721Inception-V1:2014年9月:Going Deeper with Convolutions提出的Inception V1(top-5错误率6.67%)Inception-V2:2015年2月:Batch Normalization: Accelerating Deep Network Training by Reducing Internal Co转载 2020-08-10 19:55:01 · 4660 阅读 · 0 评论 -
Tensorflow-MNIST
Tensorflow学习,权重和偏置的控制。import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data# load数据# import input_data# mnist = input_data.read_data_sets("/tmp/data/", one_hot=True)mnist = input_data.read_data_sets("MNIST_data", one_hot原创 2020-08-04 15:07:52 · 160 阅读 · 0 评论 -
CNN卷积方式汇总
1. 原始版本最早的卷积方式还没有任何骚套路,那就也没什么好说的了。见下图,原始的 conv 操作可以看做一个 2D 版本的无隐层神经网络。附上一个卷积详细流程:【TensorFlow】tf.nn.conv2d 是怎样实现卷积的? - CSDN 博客2. 多隐层非线性版本这个版本是一个较大的改进,融合了 Network In Network 的增加隐层提升非线性表达的思想,于是有了这种先用 1*1 的卷积映射到隐空间,再在隐空间做卷积的结构。同时考虑了多尺度,在单层卷积层中用多个不同大小的.转载 2020-08-04 09:11:48 · 217 阅读 · 0 评论