自定义博客皮肤VIP专享

*博客头图：

点击选择上传的图片

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

点击选择上传的图片

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

点击选择上传的图片

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览取消提交

自定义博客皮肤

-+

上一步保存

zhangwl27的专栏

zzwwllii CSDN认证博客专家 CSDN认证企业博客

码龄13年

16: 原创

12万+: 周排名

225万+: 总排名

3万+: 访问

: 等级

644: 积分

4: 粉丝

6: 获赞

6: 评论

58: 收藏

私信

关注

热门文章

分类专栏

RS 2篇
OCR 2篇
VideoRecommendation 7篇

最新评论

快手ppnet模型
CSDN-Ada助手: 非常感谢您的分享，快手ppnet模型真的很有趣！我觉得您可以写一篇关于如何使用ppnet模型进行图像分类的技术文章。这样的文章对其他对图像处理感兴趣的读者非常有帮助，可以深入了解ppnet模型的应用和优势。期待您的下一篇文章，相信会有更多读者受益！为了方便博主创作，提高生产力，CSDN上线了AI写作助手功能，就在创作编辑器右侧哦～（https://mp.csdn.net/edit?utm_source=blog_comment_recall ）诚邀您来加入测评，到此（https://activity.csdn.net/creatActivity?id=10450&utm_source=blog_comment_recall）发布测评文章即可获得「话题勋章」，同时还有机会拿定制奖牌。
Wide Activation for Efficient and Accurate Image Super-Resolution（WDSR）
zhonglingyuxiuYYX: 请问weight norms是加在了残差模块的每一个卷积层后面吗？我理解的是相比较原本resnet中，用bn层的全都换成了wn层，是这样吗？ [code=python] ##### head.append( wn(nn.Conv2d(args.n_colors, n_feats, 3, padding=3//2))) ##### for i in range(n_resblocks): body.append( Block(n_feats, kernel_size, args.block_feats, wn=wn, res_scale=args.res_scale, act=act)) ##### tail = [] out_feats = scale*scale*args.n_colors tail.append( wn(nn.Conv2d(n_feats, out_feats, 3, padding=3//2))) tail.append(nn.PixelShuffle(scale)) skip = [] skip.append( wn(nn.Conv2d(args.n_colors, out_feats, 5, padding=5//2)) ) skip.append(nn.PixelShuffle(scale)) [/code]
Wide Activation for Efficient and Accurate Image Super-Resolution（WDSR）
zhonglingyuxiuYYX: 请问weight norms是加在了残差模块的每一个卷积层后面吗？我理解的是相比较原本resnet中，用bn层的全都换成了wn层，是这样吗？ [code=python] ##### head.append( wn(nn.Conv2d(args.n_colors, n_feats, 3, padding=3//2))) ##### for i in range(n_resblocks): body.append( Block(n_feats, kernel_size, args.block_feats, wn=wn, res_scale=args.res_scale, act=act)) ##### tail = [] out_feats = scale*scale*args.n_colors tail.append( wn(nn.Conv2d(n_feats, out_feats, 3, padding=3//2))) tail.append(nn.PixelShuffle(scale)) skip = [] skip.append( wn(nn.Conv2d(args.n_colors, out_feats, 5, padding=5//2)) ) skip.append(nn.PixelShuffle(scale)) [/code]
WDSR——论文代码笔记
zhonglingyuxiuYYX: 请问weight norms是加在了残差模块的每一个卷积层后面吗？我看这个意思除了残差块以外，原本resnet中用bn层的都换成了wn层，是这样吗？[code=python]head.append( wn(nn.Conv2d(args.n_colors, n_feats, 3, padding=3//2))) for i in range(n_resblocks): body.append( Block(n_feats, kernel_size, args.block_feats, wn=wn, res_scale=args.res_scale, act=act)) tail = [] out_feats = scale*scale*args.n_colors tail.append( wn(nn.Conv2d(n_feats, out_feats, 3, padding=3//2))) tail.append(nn.PixelShuffle(scale)) skip = [] skip.append( wn(nn.Conv2d(args.n_colors, out_feats, 5, padding=5//2)) ) skip.append(nn.PixelShuffle(scale)) [/code]
Wide Activation for Efficient and Accurate Image Super-Resolution（WDSR）
zzwwllii 回复 weixin_43865030: 你可以看一下后边一篇文章 https://blog.csdn.net/zhangwl27/article/details/88388490

最新文章

RS

关注

关注数：文章数：2 文章阅读量：1800 文章收藏量：1

作者: zzwwllii

这个作者很懒，什么都没留下…

展开