- 博客(3)
- 资源 (1)
- 收藏
- 关注
RSS订阅转载 MobileViT模型简介
自从2020年ViT(Vision)模型的横空出世，人们发现了Transformer架构在视觉领域的巨大潜力。近些年，越来越多的科研人员投入Transformer的怀抱，视觉领域的各项任务也不断被Transformer架构模型刷新。Transformer虽然强大，但在现在看来落地仍存在很多难点。比如模型参数太大（比如ViT Large Patch16模型光权重就有1个多G），而且算力要求太高，这基本就给移动端部署Transformer模型判了死刑。
2022-11-13 14:10:43
1122
转载 《python深度学习》笔记（十九）：卷积神经网络的可视化
你知道神经网络各个层具体是怎样学习的吗？ 深度学习模型就像是“黑盒”，即模型学到的表示很难用人类可以理解的方式来提取和呈现。这个说法部分正确，但卷积神经网络绝对不是这样的。卷积神经网络学到的表示非常适合可视化，很大程度上是因为它们的视觉概念的表示。下面介绍三种最简单的最有用的可视化方法。 转载他人的笔记： 1.可视化中间激活层https://blog.csdn.net/huang1024rui/article/details/1191502225.4 卷积神经网络的可视化卷积神经网络学到的表示非常
2022-05-19 18:18:50
416
转载 27 类深度学习主要神经网络
1. 感知器(Perceptron(P)) 感知器模型也称为单层神经网络。这个神经网络只包含两层: 输入层输出层 这种类型的神经网络没有隐藏层。它接受输入并计算每个节点的加权。然后，它使用激活函数(大多数是Sigmoid函数)进行分类。应用: 分类编码数据库(多层感知器)监控访问数据(多层感知器) 2. 前馈(Feed Forward (FF)) 前馈神经网络是一种其中的节点不会形成循环的人工神经网络。在这种神经网络中，所有的感知器都被安排在输入层接收输入，输出.
2022-04-14 15:45:43
6767
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人