- 博客(6)
- 收藏
- 关注
RSS订阅原创 第6周学习笔记：Vision Transformer & Swin Transformer学习
该模型将Transformer结构直接应用到图像上，即将一张图像分割成多个patches，这些patches看作是NLP的tokens (words)，然后对每个patches做一系列linear embedding操作之后作为Transformer的input。
2022-08-19 11:55:38
553
1
原创 第5周学习笔记：ShuffleNet & EfficientNet & 迁移学习
ShuffleNet 是旷视科技在 2017 年提出的模型，论文《ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices》。ShuffleNet 和 MobileNets 都采用了分组卷积的思想降低计算量，但是和 MobileNets 不同，ShuffleNet 通过 Channel Shuffle 操作打乱分组，从而获得其他分组的信息。...
2022-08-11 01:16:28
380
原创 MobileNetV1, V2, V3学习笔记
MobileNet网络是由google团队在2017年提出的，专注于移动端或者嵌入式设备中的轻量级CNN网络。相比传统卷积神经网络，在准确率小幅降低的前提下大大减少模型参数与运算量。(相比VGG16准确率减少了0.9%，但模型参数只有VGG的1/32)。...
2022-08-03 15:02:41
338
原创 学习笔记-第三周
同深度的ResNet网络结构配置，表中的残差结构给出了主分支上卷积核的大小与卷积核个数，表中残差块×N表示将该残差结构重复N次。
2022-07-27 16:06:33
548
原创 深度学习与pytorch基础-第二周学习笔记
结构基本上是softmaxlayers+=[nn.AvgPool2d(kernel_size=1,stride=1)]returnnn.Sequential(*layers)#网络放到GPU上net=VGG().to(device)criterion=nn.CrossEntropyLoss()optimizer=optim.Adam(net.parameters(),lr=0.001)
2022-07-20 15:42:00
452
原创 第一周-深度学习与pytorch基础
人工智能：使一部机器像人一样进行感知、认识、决策、执行的人工程序或系统。机器学习：计算机系统能够利用经验提高自身性能（最常用定义）。深度学习：不同于传统机器学习，应用了深度神经网络。M_P神经元：激活函数：神经元继续传递信息、产生新连接的概率（超过阈值被激活，但不一定传递）。激活函数举例：神经网络每一层的作用：在神经元总数相当的情况下，增加网络深度可以比增加宽度带来更强的网络表示能力：产生更多的线性区域。深度和宽度对函数复杂度的贡献是不同的，深度的贡献是指数增长的，而宽度的贡献是线性
2022-07-12 10:31:35
228
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人