![](https://img-blog.csdnimg.cn/20201117141227593.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
Deep Learning
文章平均质量分 54
学习笔记记录
ToLiveXX
这个作者很懒,什么都没留下…
展开
-
测试的代码
代码原创 2023-02-19 22:12:02 · 113 阅读 · 0 评论 -
MobileNet V1 V2系列学习笔记
MobileNet 系列详解MobileNet V11.主要贡献提出了深度可分离卷积结构,大大减小了计算量和模型的大小。2.深度可分离卷积标准卷积的作用是过滤特征并合并,而深度可分离卷积将标准卷积的过滤与组合分开做,分解为:深度卷积(Depthwise) 和 逐点卷积(Pointwise)。深度卷积对每个输入通道应用单个过滤器逐点卷积(1×1卷积)创建线性组合上图右边是深度可分离卷积对Depthwise和Pointwise两层都使用Batchnorm和Relu非线性激活3.深度可分离原创 2020-12-29 14:32:39 · 218 阅读 · 0 评论 -
卷积神经网络之(稠密连接网络)DenseNet
卷积神经网络之(稠密连接网络)DenseNetResNet中的跨层连接引申出了无数后续工作,DenseNet就是其中之一。结构下图所示,ResNet(左)与DenseNet(右)在跨层连接上的主要区别:使用相加和使用连结上面右图表示B的输出在通道维上连接,A的output直接传入B后面的层。A直接与B后面的所有层连接在一起,所以叫稠密连接。DenseNet的优点:网络每层的计算量减少 特征的重复利用第L层的输入直接影响到之后的所有层第L层的output:其中是原创 2020-12-05 10:53:43 · 3094 阅读 · 0 评论 -
卷积神经网络之残差网络ResNet详解
卷积神经网络之残差网络ResNet详解理论上,在网络中添加新的层得到的新模型可能会更好地拟合训练数据集,因此添加层似乎更容易降低训练误差。然而在事件中,添加过多的层后训练误差反而会升高。针对这一问题,何凯明团队于2015年提出了残差网络(ResNet)在一定程度上解决了这一问题。残差块如下图所示,输入为x,理想映射为f(x)。左图需要直接拟合出该映射f(x),右图则需要拟合出残差映射f(x)-x。残差映射在实际中往往更容易优化。右图是ResNet的基础块(残差块Residual bloc原创 2020-12-04 22:01:37 · 7713 阅读 · 1 评论 -
卷积神经网络之(使用重复元素的网络)VGG
卷积神经网络之VGGVGG提出了可以通过重复使用简单的基础块来构建深度模型的思路。VGG模型VGG块的组成规律是:连续使用数个相同的填充为1,、窗口形状为3*3的卷积层 后接一个步幅为2、窗口形状为2*2的最大赤化层卷积层保持输入的宽和高不变,而池化层对其减半。VGG根据网络层数不一有不同的版本,其中VGG-11是由8个卷积层+3个全连接层组成。下图展示了VGG-11、VGG-13、VGG-16、VGG-19的网络结构与具体参数。代码vgg_block函数来实现这个基原创 2020-12-02 10:59:05 · 691 阅读 · 0 评论 -
卷积神经网络之(深度卷积神经网络)AlexNet
卷积神经网络之AlexNet2012年AlexNet横空出世,赢得了ImageNet2012图像识别挑战赛。首次证明了学习到的特征可以超越手工设计的特征。AlexNet模型AlexNet模型使用了8层卷积神经网络,其中有5层卷积和2层全连接层以及1个全连接输出层。网络结构与具体参数如下:Block 连接层 Filter大小 步长stride Filter个数 图像尺寸 计算方法 input / / / / 2.原创 2020-12-02 10:36:59 · 1371 阅读 · 0 评论 -
卷积神经网络之 LeNet
LeNet卷积神经网络背景含隐藏层的多层感知机模型对图像进行分类时,是将图像中的像素逐行展开,得到一个向量输入到全连接层中。这种方法有一些局限性:同一列的像素在最后的向量中相距较远; 大尺寸图像输入到全连接层导致模型过大,开销过高 。卷积层可以解决以上两个问题:卷积层保留输入的形状,图像在高和宽两个方向都可以被处理; 卷积层通过滑动窗口将卷积核与不同位置的输入重复计算,避免特征图尺寸过大。LeNet模型卷积神经网络就是含卷积层的网络。LeNet是用来识别手写数字图像的卷积...原创 2020-12-01 10:25:03 · 616 阅读 · 0 评论 -
Linux下Pytorch版deeplabv3+环境配置训练自己的数据集
开发环境我使用的是实验室服务器的环境:ubuntu(windows也可)pytorch-gpu1.7python3.7代码在这:链接数据集准备1.VOC数据集格式文件安排如下:- ImageSets - Segmentation - train.txt - trainval.txt - val.txt- JPEGImages- SegmentationClassJPEGImages里面放原图SegmentationClass里面放对应的mask图片png格式,原创 2020-11-24 09:47:45 · 8881 阅读 · 59 评论