TensorFlow深度学习笔记
TensorFlow深度学习笔记
roy_blue
算法工程师,希望和大家共同提高,欢迎关注,关注必回
展开
-
神经网络模型压缩
神经网络模型压缩优化方法:1.优化压缩模型大致有三个方向:1)更为精细的网络设计,简化卷积层和全连接层的形式,2)对模型进行裁剪},在结构复杂的神经网络中,往往存在着大量的参数冗余,因此可以寻找一个适当的评定方法进行剪枝优化3)为了保持原有模型中的数据精度,一般常见的网络中,都会以32bit的浮点类型保存模型权重。这种保存方式,增加了数据存储的大小和重载模型的计算复杂度。对于以上的情况,可...原创 2019-10-22 20:25:34 · 2115 阅读 · 2 评论 -
【YOLO网络】总结
YOLO算法笔记1.YOLOv3的结构YOLO图像检测技术综述YOLOv3取消YOLOv2的池化层可以提高运算速度算法流程YOLOv3的改进YOLOv3网络结构图根據上表可以得出,對於代碼層面的layers數量一共有252層,包括add層23層(主要用於res_block的構成,每個res_unit需要一個add層,一共有1+2+8+8+4=23層)。除此之外,BN層和LeakyR...原创 2019-10-21 13:46:40 · 1656 阅读 · 0 评论 -
【目标检测算法】--YOLOv3学习笔记
一、yolov3的网络结构:如上图所示:(1)卷积层:layer filters size input output0 conv 32 3 x 3 / 1 416 x 416 x 3 -> 416 x 416 x 32 0.299 BFLOPs(2)输入层:输入:像素为416*416,通道数为3的的图片(开启random参数的话可以自适应以32为基础的变化,)...原创 2019-07-08 21:35:00 · 399 阅读 · 0 评论 -
Alexnet网络学习
目录:一、Alexnet网络介绍:二、CIFAR-10数据集的简介:三、什么是卷积、池化、dropout及其作用?四、alexnet提出的意义和优缺点?五、利用CIFAR数据集训练alexnet网络,并识别图像参考:一、Alexnet网络介绍:AlexNet的一些参数和结构图:卷积层:5层全连接层:3层深度:8层参数个数:60M神...原创 2019-07-24 22:18:26 · 964 阅读 · 0 评论 -
RCNN论文笔记
1.RCNN算法检测过程:第一个阶段首先产生候选区域(Region Proposals),包含目标大概的位置信息第二个阶段对候选区域进行分类和位置精修(1)过程:(1)第一步,对于给定的输入图像,使用选择性搜索(selective search)的区域建议方法提取出大约2000个候选区域。即首先过滤掉那些大概率不包含物体的区域,通过这一阶段将原始图像中需要处理的区域大大减少.通常情况下...原创 2019-08-04 16:21:35 · 194 阅读 · 0 评论