05 2020 档案
摘要:博客: "博客园" | "CSDN" | "blog" 写在前面 如题,这篇文章将尝试从卷积拆分的角度看一看各种经典CNN backbone网络module是如何演进的,为了视角的统一,仅分析单条路径上的卷积形式。 形式化 方便起见,对常规卷积操作,做如下定义, I:输入尺寸,长H 宽W
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