叠加态的猫

摘要： 各种归一化层（们）梳理 阅读全文

摘要： 2017年的两项创新，联系比较紧密，一起介绍 阅读全文

摘要： 使用Faster-RCNN实现中的新建节点来讲解MXNet中新建节点的流程和注意事项。 阅读全文

摘要： 棋盘效应的产生原因和解决方法，Google Brain 16年文章 阅读全文

摘要： 16年论文，原理以及API，能学点是点吧，哎，现在科研进展的太快了，跟着费劲…… 阅读全文

摘要： Faster-RCNN用于训练的网络具体设计机构，方便理解其复杂的论文说明。其应用的关键技术：非极大值抑制、ROIPooling本文并未着重探讨 阅读全文

摘要： 从零开始学习C++……感觉很酸爽 阅读全文

摘要： MXNet符号式编程级介绍 阅读全文

摘要： 目标检测基础以及rcnn回顾（不包含mask-rcnn），其中有很多知识点在SSD源码学习中就有困惑，这次对目标检测任务的梳理的确学到了很多。 阅读全文

摘要： 第二章编程类问题解答存根，其他问题一般依赖硬件具体信息，不予记录；CUDA相关为学习tf内部机制做准备，前两章已经可以大概了解CUDA编程原理，后续章节是否继续看视情况而定 阅读全文

摘要： 重现了一下原SSD，由于按照自己的想法进行了一些尝试，导致训练速度有所波动，也学习到了很多实际部署模型的加速知识 阅读全文

摘要： 一、基础正则化函数 tf.contrib.layers.l1_regularizer(scale, scope=None) 返回一个用来执行L1正则化的函数,函数的签名是func(weights). 参数: scale: 正则项的系数. scope: 可选的scope name tf.contrib 阅读全文

摘要： 一、基础知识 “__”前缀：私有属性、方法，在__dict__中存储时被改写为“_类名__”前缀 “_”前缀：是约定俗成的保护属性、方法，不过编译器不会对之采取任何处理 二、class特殊方法介绍 在第9章的双元素基础上，我们扩展为任意元素长度的向量，并探讨了相关方法的使用： __getattr__ 阅读全文

摘要： mx必备工具 阅读全文

摘要： 完结篇，介绍一下作者具体训练的实现细节 阅读全文