- 博客(4)
- 收藏
- 关注
RSS订阅原创 GoogleNet
提高深度神经网络的最直接的方法就是增加其大小，这其中包括增加网络深度以及增加网络宽度，这样虽然简单，但也意味这增加了许多的参数，放大的网络在训练时更容易过拟合，在数据集少的时候会成为一个主要瓶颈，而且大数据集通常都很贵，大网络训练起来成本很高。GoogleNetv1在2014年ILSVRC分类挑战赛中以6.67%的错误率取得了冠军，随着对“小模型”的需求越来越多，功耗和内存使用变得越来越重要，该模型开创性的提出了Inception模块，来解决上面的问题。相似（一起激发的神经元会连接在一起）
2024-04-02 12:15:50
559
原创 ZFNet（可视化和理解卷积网络）
在大型卷积网络在ImageNet比赛上表现出非常好的性能，但是人们并没有明确的理解他们为什么表现得如此优秀，并且如何改进他们，ZFNet介绍了一种新的可视化技术，帮助我们了解其中的原理，这也是他最大的贡献。
2024-04-01 17:12:47
1669
原创 经典神经网络AleNet
在AleNet出现之前，物品识别方法基本上利用了机器学习的方法，学习更强大的模型，当时使用小数据集的模型，数字识别任务的最佳错误率（
2024-03-29 11:40:44
369
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