![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 87
RobVisual_Servo
HITSZ-PhD candidate
展开
-
YOLO算法史上最全综述:从YOLOv1到YOLOv5
作者:初识cv,编辑:极市平台 来源丨https://zhuanlan.zhihu.com/p/136382095,侵删 导读 YOLO系列是基于深度学习的回归方法,本文详细介绍了从YOLOv1至最新YOLOv5五种方法的主要思路、改进策略以及优缺点。(深度好文,建议点赞收藏哟!) YOLO官网: https://github.com/pjredd...转载 2021-12-22 15:14:15 · 623 阅读 · 0 评论 -
基于Pytorch框架下的YOLOv3剪枝算法实现
代码:https://github.com/Lam1360/YOLOv3-model-pruning 算法:https://arxiv.org/abs/1708.06519 ,代码基于论文 Learning Efficient Convolutional Networks Throu...转载 2021-11-29 22:28:13 · 435 阅读 · 0 评论 -
Epoch、Iteration、Batchsize | 深度学习必备概念的理解
【batch size】:中文翻译为批大小(批尺寸)。简单点说,批量大小将决定我们一次训练的样本数目。batch_size将影响到模型的优化程度和速度。为什么需要有Batch_Size:batchsize的正确选择是为了在内存效率和内存容量之间寻找最佳平衡。Batch_Size的取值:全批次(蓝色)如果数据集比较小,我们就采用全数据集。全数据集确定的方向能够更好的代表样本总体,从而更准确的朝向极值所在的方向。注:对于大的数据集,我们不能使用全批次,因为会得到更差的结果。迷你批次(绿色)转载 2021-11-28 20:38:27 · 1902 阅读 · 0 评论