![](https://img-blog.csdnimg.cn/direct/9c661667a0cb4927a336981cd7925eda.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
挺好玩挺难学
文章平均质量分 69
霹雳巴拉&Bubbliiing学习笔记
DQ小恐龙
这个作者很懒,什么都没留下…
展开
-
ONNX-模型部署中间格式
ONNX(Open Neural Network Exchange)是一种开源格式,用于表示深度学习模型。它由Facebook和微软于2017年联合创建,目的是在不同的深度学习框架之间提供互操作性,使模型可以在多个平台和工具之间无缝转换和部署。ONNX定义了一种中间表示(IR),包括计算图、操作符和张量,能够描述从训练到推理的整个模型。原创 2024-05-20 16:42:01 · 858 阅读 · 1 评论 -
语义分割前言
其标注图片为单通道图像,其0~255像素值为其取值范围,背景为0,目标区域内根据目标的类别索引信息进行填充。原创 2024-03-15 16:26:57 · 64 阅读 · 0 评论 -
Transformer浅理解
李宏毅老师讲解transformer。文本讲解参考一位博主对应视频写的。原创 2023-11-07 16:57:57 · 65 阅读 · 0 评论 -
ResNeXt网络-组卷积 减少参数个数
对于下半部分则为组卷积,卷积和大小为k * k,且输入Channel为Cin,但其被分组了,假设分了g组则每个组的输入channel为Cin/g,则卷积核深度则为Cin/g,又因为分组导致每个组channel_out为n/g,所以一个组的参数为 k * k * Cin/g * n/g ,又因为共g组,再cat拼接,则总参数为g * (k * k * Cin/g * n/g) = k * k * Cin* n/g.原创 2024-03-07 14:38:22 · 152 阅读 · 0 评论 -
channel_in -> channel_out
卷积核有三个尺寸长度、宽度、深度。其中深度一般默认为channel_in的大小。原创 2024-03-07 14:29:22 · 43 阅读 · 0 评论 -
Batch Nomalization 迁移学习
1.载入权重后训练所以参数 ->按理说效果最好2.载入权重后只训练最后几层参数3.载入权重后在原网络基础上再添加一层全连接层,仅仅训练最后一个全连接层。t=N7T8Batch Normalization详解以及pytorch实验_pytorch batch normalization-CSDN博客https://blog.csdn.net/qq_37541097/article/details/104434557?原创 2024-03-07 14:05:51 · 142 阅读 · 0 评论