![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
山里娃娃哈
这个作者很懒,什么都没留下…
展开
-
解读Deep Residual Learning for Image recognition
VGG和GoogLeNet等一系列网络已经表明,深度网络会提高性能,但网络深度的加深会带来3个问题:1、后向传播梯度消失;2、前向传播信息量减少;3、训练时间长,也就是参数爆炸,更难训练。2015年ILSVRC和COCO竞赛第一名的何凯明所提出的残差网络就着重讨论解决了这个问题。 论文首先讨论了只是简单的卷积层堆叠时,网络深度达到一定程度后性能反而会下降,对比了一个20层和56层的网络。原创 2017-03-10 11:02:09 · 489 阅读 · 0 评论 -
caffe训练加BN层的网络时loss为87.3365的问题解决办法
caffe训练加BN层的网络时loss为87.3365的问题解决办法原创 2017-04-25 15:23:22 · 4821 阅读 · 1 评论