摘要：
https://zhuanlan.zhihu.com/p/344324470 VGG-16在加上BN等组件，ImageNet最好性能是 72% top-1 accuracy。 ** 主要贡献是： 1、CNN现状：在VGG模型在ImageNet分类 top-1精准率大于70%之后，为了达到更好的性能， 阅读全文
posted @ 2021-09-05 23:40
哈哈哈喽喽喽
阅读(239)
评论(0)
推荐(0)
摘要：
class ResNet5(nn.Module): # ResNet5(BasicBlock, [1, 1, 1, 1], 51) def init(self, block, num_blocks, num_classes=10, bn=False): super(ResNet5, self).in 阅读全文
posted @ 2021-09-03 17:59
哈哈哈喽喽喽
阅读(53)
评论(0)
推荐(0)
摘要：
class BasicBlockGroup(nn.Module): expansion = 1 def __init__(self, in_planes, planes, stride=1, groups=2, bn=False): super(BasicBlockGroup, self).__in 阅读全文
posted @ 2021-09-03 17:58
哈哈哈喽喽喽
阅读(24)
评论(0)
推荐(0)
摘要：
class Bottleneck(nn.Module): expansion = 4 def __init__(self, in_planes, planes, stride=1): super(Bottleneck, self).__init__() self.conv1 = nn.Conv2d( 阅读全文
posted @ 2021-09-03 17:58
哈哈哈喽喽喽
阅读(40)
评论(0)
推荐(0)
摘要：
class BasicBlock(nn.Module): expansion = 1 def __init__(self, in_planes, planes, stride=1, bn=False): super(BasicBlock, self).__init__() self.conv1 = 阅读全文
posted @ 2021-09-03 17:57
哈哈哈喽喽喽
阅读(32)
评论(0)
推荐(0)
摘要：
PyTorch学习率调整策略通过torch.optim.lr_scheduler接口实现。PyTorch提供的学习率调整策略分为三大类，分别是 有序调整：等间隔调整(Step)，按需调整学习率(MultiStep)，指数衰减调整(Exponential)和 余弦退火CosineAnnealing。 阅读全文
posted @ 2021-08-31 21:30
哈哈哈喽喽喽
阅读(229)
评论(0)
推荐(0)
摘要：
https://pytorch.org/docs/stable/generated/torch.optim.SGD.html?highlight=sgd#torch.optim.SGD、 其中weight_decay 参数作用是在SGD中增加的l2的惩罚项 阅读全文
posted @ 2021-08-31 21:18
哈哈哈喽喽喽
阅读(221)
评论(0)
推荐(0)
摘要：
#结论：适用于输入和网络结构不变的场景，加速训练使用# #一般和定义net之后设置 一起使用net = torch.nn.DataParallel(net)# 大家在训练深度学习模型的时候，经常会使用 GPU 来加速网络的训练。但是说起 torch.backends.cudnn.benchmark 阅读全文
posted @ 2021-08-31 20:21
哈哈哈喽喽喽
阅读(324)
评论(0)
推荐(0)
摘要：
https://zhuanlan.zhihu.com/p/161852417 阅读全文
posted @ 2021-08-30 18:36
哈哈哈喽喽喽
阅读(17)
评论(0)
推荐(0)
摘要：
目标：设计一个神经网络，可以处理原始的信息（车上部署的8颗摄像头），转变为3维向量空间信息（该空间可用于自动驾驶），该3维空间包括lines, edges, curbs, traffic signs, traffic lights, car 位置，朝向， 距离， 速度。 效果展示，下图1就是图像输入 阅读全文
posted @ 2021-08-27 10:08
哈哈哈喽喽喽
阅读(297)
评论(0)
推荐(0)
浙公网安备 33010602011771号