研一汇报第五周（2019.11.17）

最新推荐文章于 2021-08-17 18:00:54 发布

GoogleNovto

最新推荐文章于 2021-08-17 18:00:54 发布

阅读量259

点赞数

分类专栏：汇报总结

本文链接：https://blog.csdn.net/qq_44287129/article/details/103007589

版权

本文介绍了卷积网络在深度学习中的应用，特别是VGG-19模型的详细配置和深度对图像识别准确性的影响。讨论了数据增强在训练中的作用，以及深度学习的加速技巧，如利用GPU和CUDA。此外，还提到了分布式学习的框架Tensorflow和深度学习的应用，如物体检测和图像分割。

摘要由CSDN通过智能技术生成

第5周汇报内容：
1、论文
2、《深度学习》第8章
3、cs231n
4、项目工作汇报
5、上周遗留问题：softmax
6、下周计划
cs231n重看13-。开始熟悉项目。《机器学习》-西瓜书。（完结cs231n，找合适的机器学习视频）。tf2.0继续敲啊。

1、论文：《VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION》 Karen Simonyan∗ & Andrew Zisserman+ University of Oxford

主要内容
研究了卷积网络深度在大规模图像识别环境中对其准确性的影响，使用（3×3）卷积滤波器对增加深度的网络进行全面评估，通过将深度推至16-19层可以实现对现有技术配置的重大改进。

convNet配置的通用布局： 在这里插入图片描述
分类实验
数据集： ILSVRC-2012 dataset (which was used for ILSVRC 2012–2014 chal- lenges). The dataset includes images of 1000 classes
数据集划分: training (1.3M images), validation (50K images), and testing (100K images with held-out class labels).