- 博客(6)
- 收藏
- 关注
RSS订阅原创 暑期培训 第四周
然后通过一个Sigmoid的门获得0~1之间归一化的权重，最后通过一个Scale的操作来将归一化后的权重加权到每个通道的特征上。首先是Squeeze 操作，我们顺着空间维度来进行特征压缩，将每个二维的特征通道变成一个实数，这个实数某种程度上具有全局的感受野，并且输出的维度和输入的特征通道数相匹配。最后是一个Reweight的操作，我们将Excitation的输出的权重看做是进过特征选择后的每个特征通道的重要性，然后通过乘法逐通道加权到先前的特征上，完成在通道维度上的对原始特征的重标定。
2023-08-02 11:17:00
59
原创 暑假培训 第三周
2015年，何恺明等人在实验时发现单纯地增加神经网络深度会导致神经网络退化，因此提出了残差网络（ResNet），即在神经网络中引入shortcut结构，将输入与经过卷积层的结果直接相加，可以更好地训练更深层的神经网络。ResNet斩获当年ImageNet竞赛中分类任务第一名，目标检测第一名。残差网络(Residual Network，ResNet)是指具有多个串联残差结构的深层神经网络，其主要思想是神经网络中经过卷积层的特征信息应更直接地包含原始特征信息。
2023-07-27 11:01:06
134
原创 暑期培训 第一周
首先导入torch库，方便使用各种函数定义数据，一般定义数据使用torch.Tensor ， tensor的意思是张量，是数字各种形式的总称以下是分别使用torch.ones和torch.empty，torch.rand定义一个值全唯一的三维张量，一个二维空张量，一个值随机生成的二维张量基于现有张量，利用tensor new_*方法建立新张量，并利用原有张量的dtype和device创建一个2✖️4的张量，并赋值，调用size函数返回行和列的值，以及整个大小用‘--’隔开输出结果。
2023-07-12 23:14:36
65
原创 毕业设计第二周学习心得
卷积神经网络 一、绪论 1.卷积神经网络的应用 无处不在的卷积神经网路 分割、检测、分类、人脸识别、人脸表情识别、图像生成、图像风格转化、自动驾驶 2.传统神经网络vs卷积神经网络 深度学习三部曲 Step1.搭建神经网络结构 Step2.找到一个合适的损失函数 Step3.找到一个合适的优化函数，更新参数 损失函数 二、基本组成结构 1.卷积 什么是卷积，以及为什么需要二维卷积 基本概念 计算特征图大小 2.池化 池化类...
2022-03-07 17:48:29
741
原创 毕业设计第一周学习心得
01绪论 人工智能、机器学习、深度学习的关系 人工智能的三个层面 逻辑演绎VS归纳总结 知识工程VS机器学习 对比下来机器学习具有省时省力、灵活性强、轻松、客观的优点 机器学习的定义 机器学习怎么学 模型的分类 数据标记分为监督学习模型和无监督学习模型 半监督学习和强化学习 数据分布分为参数模型和费参数模型 建模对象分为判别模型和生成模型 02深度学习概述 深度学习的“不能”之处 算法输出不稳定，容易被“攻击” 模型...
2022-01-04 19:37:56
567
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人