![](https://img-blog.csdnimg.cn/20190927151124774.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
深度学习
文章平均质量分 51
深度学习
@冰糖葫芦五加皮
这个作者很懒,什么都没留下…
展开
-
ResNet 学习笔记
ResNet解决网络退化的机理深层梯度回传顺畅 恒等映射这一路的梯度是1,把深层梯度注入底层,防止梯度消失;没有中间商层层盘剥。类比其他机器学习模型 集成学习boosting,每一个弱分类器拟合“前面的模型与GT之差”; 长短时记忆神经网络LSTM的遗忘门; Relu激活函数。传统线性结构网络难以拟合“恒等映射” 什么都不做有时很重要; skip connection可以让模型自行选择要不要更新; 弥补了高度非线性造成的不可逆的信息损失。ResNet反向传播传回的梯度相原创 2023-03-29 17:49:01 · 66 阅读 · 0 评论 -
VGG网络-学习笔记
【代码】VGG网络-学习笔记。原创 2023-03-29 17:50:51 · 61 阅读 · 0 评论 -
遥感影像超分算法
Per-Pixel Loss: 只能提取到浅层次的特征,而无法提取到深层次的全局特征(浅层特征)feature maps MSE: content details, 语义级别。adversarial loss: texture details, 像素级别。Perceptual Loss: 对进一步提取到的特征进行损失的计算(深层特征)1. 损失函数,引入VGG特征计算MSELoss。2. 子像素卷积放大图像。原创 2023-03-20 17:20:16 · 306 阅读 · 0 评论 -
《深度学习》学习之路
Anaconda 就是可以便捷获取包且对包能够进行管理,同时对环境可以统一管理的发行版本。Anaconda包含了conda、Python在内的超过180个科学包及其依赖项。不适定问题(ill-posed Problem):上述三个条件中只要有一个不满足,则为不适定问题。典型的图像不适定问题包括:图像去噪、图像恢复、图像放大、图像修补、图像去马赛克、图像超分等。3. 解能根据初始条件连续变化,不会发生跳变,即解必须稳定。适定性问题(Well-posed Problem)模型、数据、损失函数。原创 2023-03-20 09:43:36 · 47 阅读 · 0 评论 -
深度学习和人工智能学习笔记
references:http://neuralnetworksanddeeplearning.com/index.html一文看懂深度学习模型压缩和加速深度学习的宏观框架——训练(training)和推理(inference)及其应用场景推理(Inference)与预测(Prediction)计算密集型、IO密集型、数据密集型人工智能学习库RGB、YUV和YCbCr三种颜色空间样本的标准化,归一化,正则化,规范化;有点蒙?原创 2023-03-20 09:42:46 · 39 阅读 · 0 评论