本文深入探讨了ResNet152这一深度学习模型，解释了其网络架构和训练过程。ResNet152是卷积神经网络的一个重要里程碑，其残差学习框架解决了深度网络训练中的梯度消失问题，允许网络拥有更深的层次，从而提高了识别和分类的准确性。文章涵盖了ResNet系列的历史、工作原理和实际应用，并与其他经典CNN如AlexNet、VGGNet、Inception Net进行了对比分析。
理解并实现 ResNet(Keras)
本文为 AI 研习社编译的技术博客，原标题 ：
Understanding and Coding a ResNet in Keras
作者 | Priya Dwivedi @ Deep Learning Analytics
翻译 | linlh、通夜 编辑 | 邓普斯•杰弗、...
文章
雷锋网
2019-06-05
1107浏览量
深度学习之四大经典CNN技术浅析 | 硬创公开课
雷锋网按2月28日下午3点《TensorFlow实战》作者黄文坚做客【硬创公开课】为我们讲解了关于四大经典CNN网络AlexNet、VGGNet、Google Inception Net和ResNet的基本原理。本次公开课内容主要节选自作者《TensorFlow实战》第6章关于这四大CNN网络实现...
文章
云栖大讲堂
2017-08-01
2305浏览量
一文读懂物体分类AI算法：LeNet-5 AlexNet VGG Inception ResNet MobileNet
1 引言
当前深度学习十分火热，深度学习网络模型对于降低错误率的重要作用不言而喻。深度学习应用场景主要分为三类：物体识别与分类，物体检测，自然语言处理。在物体识别与分类领域，随着AlexNet在2012年一炮走红，深度学习重新燃起了一片热情。从Lenet5第一次使用卷积开始，经历了AlexNet ...
文章
扬易
2018-05-31
2272浏览量
Come on ! 手把手教你玩转谷歌TensorFlow | 硬创公开课
AI并不是一门简单的学科，AI算法的开发和调试并没有一个统一的、集成了大量API方便调用的平台和语言，目前的人工智能开发平台仍然处于一种半蛮荒的状态。许多功能需要自己亲自去搭建和实现。
不过幸运的是，这个领域受到了足够多的重视，因此许多巨头都针对它开发了自己的平台，这其中就包括谷歌的Tensorf...
文章
青衫无名
2017-08-01
724浏览量
Resnet论文翻译
摘要
越深层次的神经网络越难以训练。我们提供了一个残差学习框架，以减轻对网络的训练，这些网络的深度比以前的要大得多。我们明确地将这些层重新规划为通过参考输入层x，学习残差函数，来代替没有参考的学习函数。
我们提供了综合的经验证据，表明残差网络更容易优化，并且可以从显著增加的深度中获得准确性。在Im...
文章
ayew
2018-02-04
915浏览量
谷歌提出新型卷积网络EfficientNet：推理速度提升5.1倍，参数减少88%(附论文&代码)
来源：机器之心
文章来源：微信公众号 数据派THU
本文共1500字，建议阅读8分钟。
谷歌提出了一种新型CNN网络EfficientNet，该网络具备极高的参数效率和速度。
[ 导读 ]谷歌提出了一项新型模型缩放方法：利用复合系数统一缩放模型的所有维度，该方法极大地提升了模型的准确率和效率。谷...
文章
初商
最低0.47元/天 解锁文章
扫一扫
1911
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
