07 2023 档案
摘要：1. 保存整个网络 torch.save(net, PATH) model = torch.load(PATH) 2. 保存网络中的参数（速度快，占空间小） torch.save(net.state_dict(),PATH) model_dict = model.load_state_dict(to
阅读全文
摘要：【深度学习】总目录 SE论文：《Squeeze-and-Excitation Networks》将重点放在了通道（channel）关系上，并提出了一种新的结构单元SE block。将SE block堆叠在一起，就形成了SENet。SE块略微增加计算成本但显著地提升了性能，并且即插即用。SENet获得
阅读全文
