随笔分类 - 神经网络架构
摘要：| 原始题目 | Deep High-Resolution Representation Learning for Visual Recognition | | | | | 中文名称 | 面向视觉识别的深度高分辨率表示学习 | | 发表时间 | 2019年8月20日 | | 平台 | TPAMI |
阅读全文
摘要：1. 论文模型图： 2. 模型代码：pytorch 实现 https://github.com/oukohou/SSR_Net_Pytorch/blob/master/SSR_models/SSR_Net_model.py 注：pytorch 中的 view 在 onxx 的可视化 Netron 中
阅读全文
摘要：| 原始题目 | EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks | | | | | 中文名称 | EfficientNet: 反思用于 CNNs 的模型扩展| | 发表时间 | 2019年5月28日
阅读全文
摘要：参考： https://zhuanlan.zhihu.com/p/127194294 代码实现： def conv_dw(inp, oup, stride, leaky=0.1): return nn.Sequential( nn.Conv2d(inp, inp, 3, stride, 1, gro
阅读全文
摘要：| 原始题目 | RepVGG: Making VGG-style ConvNets Great Again | | | | | 中文名称 | RepVGG: 让 VGG-风格的卷积网络们 再次伟大| | 发表时间 | 2021年1月11日 | | 平台 | CVPR-2021 | | 来源 | M
阅读全文
摘要：### 1.前言 理解有监督的深度学习的关键在于将 **推理** 和 **训练** 阶段进行分开，分别理解各种深度神经网络架构的推理和训练阶段的操作就可以理解某个模型。 我们定义的模型相当于一个复杂的非线性函数的集合，使用有监督学习的优化方法(如SGD)，我们就可以在这个函数集中优化出来一个 复杂的
阅读全文
.jpg){kind=small}
