- 博客(5)
- 收藏
- 关注
原创 第五周学习任务:
一.MobileNetV1对于MoblieNetV1的理解比较直观的解释是:MobileNetV1就是把VGG中的标准卷积层换成深度可分离卷积就可以了。可分离卷积主要有两种类型:空间可分离卷积和深度可分离卷积。深度可分离卷积(depthwise separable convolution)就是将普通卷积拆分成为一个深度卷积和一个逐点卷积。相关代码练习二.MobileNetV2特点:1.相比于MobileNetV1,先进行了1x1的卷积进行升维,目的...
2021-10-02 15:44:42 196
原创 第三周学习:
一.从全连接层到卷积1.不变性平移不变性(translation invariance):不管检测对象出现在图像中的哪个位置,神经网络的前面几层应该对相同的图像区域具有相似的反应,即为“平移不变性”。局部性(locality):神经网络的前面几层应该只探索输入图像中的局部区域,而不过度在意图像中相隔较远区域的关系,这就是“局部性”原则。最终,在后续神经网络,整个图像级别上可以集成这些局部特征用于预测.总结:图像的平移不变性使我们以相同的方式处理局部图像,而不在乎它的位置。局部性意味.
2021-09-19 21:42:58 192 1
原创 第二周作业
回归和分类的比较回归:1.估计一个连续值 2. 单连续值输出 3.自然区间 4.跟真实值的区别作为损失分类:1.预测一个离散类别 2. 通常分为多个输出 3.输出i是预测为第i类的置信度
2021-09-12 23:19:42 86
原创 第一周学习任务:深度学习和pytorch基础
一、数据操作 张量表示由一个数值组成的数组,这个数组可能有多个维度。具有一个轴的张量对应数学上的向量(vector)。具有两个轴的张量对应数学上的矩阵(matrix)。具有两个轴以上的张量没有特殊的数学名称。首先使用arange创建一个张量。通过shape属性来访问张量的形状。调用reshape函数来张量的形状。从行向量->矩阵。可以创建指定元素的张量。可以通过提供包含数值的Python列表(或嵌套列表)来为所需张量中的每个元素赋予确定值。...
2021-09-05 18:57:55 237 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