深度学习
文章平均质量分 78
笙久拥
这个作者很懒,什么都没留下…
展开
-
Domain adaptation 与 Domain generalization
一、Domain adaptation (DA)1. 基本介绍1. 什么是domain?:一堆数据服从相同的分布。2. Domain adaptation 研究的问题给了一个training set 这个set可能是由一个或多个domain 构成的,给定的testing set的domain与training set是不同的。利用training有Label 的数据训练模型,使得这个模型在testing数据上也可以使用,并且取得良好的效果。在经典的机器学习中,当 源域 和 目标域 数据分布不同,原创 2022-01-22 16:10:30 · 5522 阅读 · 0 评论 -
SENet
1.模块介绍Sequeeze-and-Excitation bloack (SENet) 并不是一个完整的网络结构,而是一个子模块,可以嵌到其他分类,分割或检测模型中。作者在文中做了将其嵌入到Resnet,VGG,Inception等网络模型当中,发现效果都有了一定的提升。SENet的核心思想在于通过网络根据loss去学习特征权重,使得不同Channel中有效的feature map权重大,无效或效果小的feature map权重小的方式训练模型达到更好的结果。2. 各个部分详细介绍Squeez原创 2022-01-12 17:23:52 · 2224 阅读 · 0 评论 -
tensorflow学习笔记 (二)------前向传播与反向传播
1.前向传播前向传播就是搭建模型的计算过程,让模型具有推理能力,可以针对一组输入给出相应的输出,即得到一个y关于x的关系式。以该图为例,从左到右依次是输入层,隐藏层,输出层,x1,x2为输入,图中并没有偏置项,但是为了写全就额外加了偏置项b1,这里,将b1当作是到第一层的偏置项neta11=w11∗x1+w21∗x2+b1net_{a_{11}}=w_{11}*x_1+w_{21}*x_2...原创 2020-04-17 09:30:15 · 1337 阅读 · 0 评论 -
深度学习的基本概念
(边学便更新)1、聚类人类能够进行一定的归纳总结的能力,能够把认知的相似事物放到一起作为类事物,它们之间可以有彼此的不同,但是有一个我们心里的“限度”,只要在这个限度内,特征有区别并无碍,它们仍然还是这一类事物。在这一类事物的内部,同样有这种现象,一部分个体之间比较相近,而另部分个体之间比较相近,能够明显认知到差别,那么大类别又可以细分为小类别进行认知。在没有人特意教给我们不同小种群的称谓与...原创 2020-04-13 20:25:03 · 881 阅读 · 0 评论