AlexNet 深度学习奠基作之一（1）

最新推荐文章于 2024-10-10 22:47:40 发布
最新推荐文章于 2024-10-10 22:47:40 发布
阅读量237 收藏
点赞数
分类专栏： 小陈读paper系列 文章标签： 深度学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_68308828/article/details/128461906
版权

2012年发表

imagenet 一百二十万的图片 1000个种类

 

 

 cv  对于刷榜 是非常在意的

AlexNet

 有六千万的参数，和65000的神经元

为了减少过拟合  我们使用了dropout

很work 很有效 而且 这篇文章没有conclusion 只有 讨论

当他发现 从5个层里面去掉一个

performence会降低2个点 说明这个深度是很重要的，也有可能参数没有调好

其实从另外的角度来说 不仅是深度很重要 而且 宽度也很重要

在之前的深度学习中，我真的可以 能够 通过训练一个很大的NN，在没有标签的数据集上

把整个东西里面的内在结构提取出来

直到BERT 的兴起 （NLP） 把大家从有监督拉到了无监督的学习上去

但是这个AlexNet的最后 第二层输出的向量的高级语义信息非常好

 最后 感谢 沐大老板哈哈

东东要拼命
关注
专栏目录
AlexNet论文解读与代码实现
herosunly的博客
03-09 8万+
1. 论文解读 1.1 泛读 1.1.1 标题与作者 1.1.2 摘要 1.1.3 结论(讨论) 1.1.4 重要图 1.1.5 重要表 1.2 精读 1.2.1 文章精解 1.2.1.1 ReLU 1.2.1.2 Local Response Normalization(局部响应归一化) 1.2.1.3 降低过拟合 1.2.2 模型精解 2. 代码实现
深度学习奠基作之一：AlexNet
qq_54809548的博客
07-15 555
论文：第一遍（读摘要、结论、图表）第二遍读每一段（方法上的东西）第三遍理解精读（复现）论文第一部分通常是：讲一个故事（即他们在做什么研究？哪个方向？这个方向有什么东西？为什么很重要？主要的贡献是什么？
深度学习奠基之作：AlexNet(2012)
weixin_50207784的博客
07-12 55
简要说明一下论文AlexNet讲了什么。
深度学习奠基作AlexNet《ImageNet Classification with Deep Convolutional Neural Networks》之论文解读上篇
机器学习与软件工程
08-17 111
深度学习奠基作AlexNet《ImageNet Classification with Deep Convolutional Neural Networks》之论文解读上篇
一、CNN奠基作——AlexNet
m0_46308522的博客
10-14 2147
AlexNet——CNN奠基作。
AlexNet、VGG、GoogleNet学习笔记
qq_36936443的博客
04-08 1923
1. 深度学习奠基作：AlexNet AlexNet 赢得了2012年ILSVRC 2012（ImageNet Large Scale Visual Recognition Challenge）竞赛，top1 error：36.7%， top5 error:15.4% 当时排名第二的传统机器学习方法SIFT+FVS，top 5 error: 26.2%，且传统机器学习已难以继续提升。 深度学习发展十年后的的今天，imagenet数据集上的SOTA方法：top1准确率：90.940%，top5准确率..
一文读懂深度学习经典论文AlexNet(ImageNet Classification with Deep Convolutional Neural Networks)
qq_17027283的博客
02-16 541
一文读懂深度学习经典论文AlexNet
深度学习奠基作VGG《Very Deep Convolutional Networks for Large-Scale Image Recognition》(现代卷积神经网络/网络结构)
机器学习与软件工程
08-18 158
深度学习奠基作VGG《Very Deep Convolutional Networks for Large-Scale Image Recognition》(现代卷积神经网络/网络结构)
深度学习基础：9.复现经典网络：LeNet5与AlexNet
兴趣使然的创作者
07-14 942
1998年， LeNet5 被LeCun等人在论文《Gradient-Based Learning Applied to Document Recognition》中正式提出，它被认为是现代卷积神经网络的奠基者。网络结构图： 使用模型可视化工具可以模拟输入，查看模型信息。 输出结果如图：AlexNet诞生于有“视觉界奥林匹克”之称的大规模视觉识别挑战比赛ILSVRC（ImageNet Large Scale Visual Recognition Challenge）。AlexNet出现之前，最好成绩一直由
软件开发培训之深度学习简介
02-13
- **AlexNet的胜利（2012年）**：辛顿领导的研究团队使用深度卷积神经网络AlexNet赢得了ImageNet大规模视觉识别挑战赛（ILSVRC），大幅超越传统方法，标志着深度学习时代的正式到来。 - **广泛应用（2012年至今）**...
机器学习VS深度学习
qq_40558336的博客
04-24 1210
​如今，当有人提到人工智能引起社会变革潜力时，他们很可能是在谈论机器学习中的人工神经网络。当一篇文章谈人工神经网络突破性进展时，作者很可能指的是深度学习。 人工神经网络是一种非线性统计建模工具，可以用于发现输入和输出之间的关系，或在大型数据库中发现模式。人工神经网络已应用于统计模型开发、自适应控制系统、数据挖掘模式识别和不确定性下的决策。 深度学习是基于人工神经网络和表示学习的一系列机器学习方法的一部分。学习可以是有监督的、半监督的或无监督的，甚至强化学习的。 【深度学习有别于传统机器学习】 有..
【大模型理论篇】精简循环序列模型(minGRU/minLSTM)性能堪比Transformer以及对循环神经网络的回顾
源泉的小广场
10-06 924
RNN、精简RNN、minLSTM、minGRU、Transformer 、序列长度、并行化循环序列模型、 S4、Mamba 、Aaren、循环神经网络精简、大模型、计算加速，梯度弥散、BPTT、时间独立
CNN-GRU回归预测 | MATLAB实现CNN-GRU卷积门控循环单元多输入单输出回归预测
最新发布
关注并私信文章链接，获取对应文章源码和数据，机器学习之心的博客。
10-10 46
CNN-GRU回归预测 | MATLAB实现CNN-GRU卷积门控循环单元多输入单输出回归预测
深度学习：基于MindSpore实现ResNet50中药分拣
Landy_Jay的博客
10-07 1064
ResNet（Residual Network）是一种深度神经网络架构，由微软研究院的Kaiming He等人在2015年提出，并且在ILSVRC 2015竞赛中取得了很好的成绩。ResNet主要解决了随着网络深度增加而出现的退化问题，即当网络变得非常深时，训练误差和验证误差可能会开始上升，这并不是因为过拟合，而是由于深层网络难以优化。ResNet的核心思想是引入了残差学习框架来简化许多层网络的训练。通过构建“跳跃连接”或称“捷径连接”，允许一层直接与更深层相连接。
基于深度学习的复杂器官建模与模拟
weixin_42605076的博客
10-10 817
基于深度学习的复杂器官建模与模拟是一项前沿技术，它利用深度学习模型从大量医学图像和临床数据中提取信息，生成复杂器官的三维结构模型，并对其进行功能模拟。这项技术对于医学诊断、手术规划、药物开发和疾病研究有重要意义，特别是针对心脏、肝脏、肺等复杂器官。
机器学习、深度学习评价指标汇总：TP、TN、FP、FN、AP、mAP、IoU、mAP@3、Prec@10、 Acc@10
buyaotutou的博客
10-10 577
真正例 (True Positive, TP)模型正确地将正类（例如，某种疾病存在）预测为正类的实例数量。假正例 (False Positive, FP)模型错误地将负类（例如，某种疾病不存在）预测为正类的实例数量。这通常被称为“误报”。真负例 (True Negative, TN)模型正确地将负类预测为负类的实例数量。假负例 (False Negative, FN)模型错误地将正类预测为负类的实例数量。这通常被称为“漏报”。真正例和真负例反映了模型的正确预测能力。假正例和假负例。
【深度学习基础模型】胶囊网络（Capsule Networks, CapsNet）详细理解并附实现代码。
985小水博的摸鱼日常
10-06 654
胶囊网络（Capsule Networks, CapsNet）学习笔记！
基于深度学习的3D人体姿态预测
weixin_42605076的博客
10-06 931
基于深度学习的3D人体姿态预测是指利用深度学习模型，从图像或视频中自动估计人体的三维骨架结构或关节点位置。此任务在增强现实、动作捕捉、人体行为识别、虚拟现实等多个领域中有广泛应用。3D人体姿态预测面临的挑战包括姿态变化多样、遮挡、光照条件复杂以及不同视角下的深度信息恢复等问题。
深度学习经典：《DeepLearning》中文版解析
"《DeepLearning》中文版，由伊恩·古德费洛、约书亚·本吉奥和亚伦·库维尔三位专家撰写，是机器学习和深度学习领域的奠基性经典著作。该书分为三部分，涵盖预备知识、成熟深度学习方法和技术以及未来研究重点。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

东东要拼命

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值