乍一看到某个问题,你会觉得很简单,其实你并没有理解其复杂性。当你把问题搞清楚之后,又会发现真的很复杂,于是你就拿出一套复杂的方案来。实际上,你的工作只做了一半,大多数人也都会到此为止……。但是,真正伟大的人还会继续向前,直至找到问题的关键和深层次原因,然后再拿出一个优雅的、堪称完美的有效方案。
—— from 乔布斯
04 2020 档案
摘要:博客:博客园 | CSDN | blog 写在前面 Inception 家族成员:Inception-V1(GoogLeNet)、BN-Inception、Inception-V2、Inception-V3、Inception-ResNet-V1、Inception-V4、Inception-Res
阅读全文
搜索
积分与排名
- 积分 - 194293
- 排名 - 6422
随笔分类 (76)
随笔档案 (76)
- 2020年8月(1)
- 2020年7月(4)
- 2020年5月(1)
- 2020年4月(1)
- 2020年2月(5)
- 2020年1月(1)
- 2019年12月(4)
- 2019年11月(4)
- 2019年10月(4)
- 2019年9月(3)
- 2019年8月(1)
- 2019年5月(3)
- 2019年4月(4)
- 2019年2月(1)
- 2019年1月(3)
- 2018年12月(8)
- 2018年11月(6)
- 2018年10月(1)
- 2018年9月(2)
- 2018年8月(2)
- 2018年7月(2)
- 2015年5月(3)
- 2015年4月(1)
- 2015年3月(1)
- 2015年1月(1)
- 2014年11月(1)
- 2014年9月(6)
- 2014年8月(2)
- 更多
最新评论
- 1. Re:为什么要做特征归一化/标准化?
- 牛逼,上课看老师简单的用椭圆图之字图介绍下好处是可以更快达底后一笔带过,脑子一片问号。一些回答也是用二维的图简单直观理解,感觉没讲到点,脑子还是不通。也感觉是公用一个a导致的量纲差距,越想越疑惑,看了...
- --丘狸尾
- 2. Re:直观理解为什么分类问题用交叉熵损失而不用均方误差损失?
牛逼
- --kkyyxhll
- 3. Re:卷积神经网络中的Winograd快速卷积算法
@已经了解了
- --喜咩咩
- 4. Re:卷积神经网络中的Winograd快速卷积算法
winogard为什么只能支持步长为一的卷积计算
- --喜咩咩
- 5. Re:仿射变换及其变换矩阵的理解
再乘上uniform scaling得到相似变换,那个矩阵是不是写错了?s只需要乘到对角线吧?
- --Uknowwhat