![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 76
Fly_To_Sky666
这个作者很懒,什么都没留下…
展开
-
基础分类网络之ResNet
目录1 残差块(Residual block)2 代码实现3 ResNet模型1 残差块(Residual block) ResNet沿用了VGG全3×33\times 33×3卷积层的设计。残差块里首先有2个有相同输出通道数的3×33\times 33×3卷积层。每个卷积层后接一个批量归一化层和ReLU激活函数。然后我们将输入跳过这两个卷积运算后直接加在最后的ReLU激活函数前。这样的设计要求两个卷积层的输出与输入形状一样,从而可以相加。如果想改变通道数,就需要引入一个额外的1×11\times 1原创 2021-03-11 14:24:19 · 226 阅读 · 0 评论 -
深度学习基础知识总结一
目录1 卷积层1.1 空洞卷积2 感受野(receptive field)1 卷积层Pytorch中2D卷积层的接口为:class torch.nn.Conv2d(in_channnels, out_channels, kernal_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zero')假设输入的特征图的尺寸为(batch,Hin,Win,inchannels)(batch, H_{in},原创 2021-03-05 20:38:14 · 122 阅读 · 0 评论