- 博客(3)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Generative Adversarial Nets
相比于传统的识别、分类工作，生成对抗网络以一种逆向的思维，让计算机有了一定的创造能力。这种创造在实际中有更大的意义，甚至在复杂的工作中也能取得良好的效果。首先看一下最初的Goodfellow的工作：Generative Adversarial Nets。介绍关于GAN，论文中有一个很恰当的比喻： The generative model can be thought of as analogou
2017-02-28 15:53:01
1465
翻译 Caffe python layer 的自定义
还是caffe的自定义层问题。相比于c，python的自定义层更为简单：代码少、外部文件少、方便执行。因此用这种方法实现有利于开发和实验。准备首先还是要记得在编译的时候加上WITH_PYTHON_LAYER的选项，如果没有加可以先make clean删除编译后的文件，再重新编译。WITH_PYTHON_LAYER=1 make && make pycaffe如果出现layer_factory.hpp
2017-02-17 16:20:33
8740
16
原创 GoogleNet :Going deeper with convolutions 论文阅读
这次读旁边拿了纸笔记录，感觉还是方便一些，之后再写篇博客总结一下加深印象。问题引出Going deeper考虑的问题：不在于训练数据、模型大小，希望得到新的模型结构；可以用于移动计算，需要考虑功率、内存使用等问题。NIN借鉴到的1*1卷积核：降维（当然也可以升维），减少参数和计算；增加深度、宽度，而没有明显性能损失。目前提高深度神经网络性能的方法： 加大size→ 缺点：容易造成过
2017-02-13 20:16:15
1154
计算机网络自顶向下方法第七版 Computer Networking A Top-Down Approach (7th Edition)
2018-09-02
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人