- 博客(3)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 解决：RuntimeError: expected device cuda:0 and dtype Float but got device cpu and dtype Float
在对网络进行修改时，加了一个函数supervisor（），然后运行发现出现了RuntimeError: expected device cuda:0 and dtype Float but got device cpu and dtype Float 的错误 在网上搜了很多的解决方法，有说降低Torch版本的，但对我的代码并不适用，后来发现，是因为网络使用的是gpu，而supervisor（）函数中的：bra
2020-07-09 23:00:06
8230
原创 THE MUTUAL-CHANNEL LOSS (MC-LOSS，附代码分析)
目录在这一节中，我们提出了互信道损失(MC-Loss)功能，有效地导航模型，聚焦于不同的区分区域，而不需要任何细粒度的限定框/部件注释。在训练步骤中结合提出的MC-Loss的网络如图2所示。图2所示:使用MC-Loss的典型细粒度分类网络的框架。MC-Loss函数考虑输出特征通道作为输入，并使用超参数支持与交叉熵(CE)损失函数集合在一起。对于给定的输入图像，首先通过将图像输入基网络提取特征图;例如，VGG16或ResNet18。令所提取的feature map记为FFF∈RN×W×HR^{N×W
2020-07-07 18:18:06
2592
9
原创 L*ReLU: Piece-wise Linear Activation Functions for Deep Fine-grained Visual Categorization
目录摘要1. 介绍2. 相关工作2.1 细粒度的视觉分类2.2 预定义的激活函数2.3 学习和参数激活函数2.4 李普希茨（Lipschitz ）正规化3. L*ReLU: Lipschitz ReLU3.1 特征的存在和缺失3.2 一致和lipschitz连续函数L*ReLU: 分段线性激活函数的深度细粒度视觉分类摘要 在过去的几年里，深度神经网络为图像视觉分类的显著改进铺平了道路。然而，即使任务是高度不同的，在复杂性和难度上是不同的，现有的解
2020-07-01 11:47:50
738
mobilenet_v2_weights_tf_dim_ordering_tf_kernels_1.4_224_no_top.h5
2020-03-24
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人