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 · 2043 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 · 1405 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 output 0 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 · 367 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 · 939 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 · 173 阅读 · 0 评论