摘要：
组会论文小结 阅读全文
摘要：
五篇论文简要学习心得 阅读全文
摘要：
1、《BAM: Bottleneck Attention Module》 在这篇文章中，作者提出了新的Attention模型——瓶颈注意模块，通过分离的两个路径channel和spatial得到attention map，减少计算开销和参数开销。 针对输入特征F，通过两个通道，一个是通道Mc一个是空 阅读全文
摘要：
深度学习、带卷积、SKNet 阅读全文
摘要：
1、MobileNet 随着对准确度的要求越来越高，网络也越来越深。因此既能保持模型性能（accuracy）也能降低模型大小（parameters size）、同时提升模型速度（speed, low latency）的MobileNet应运而生。 MobileNet的基本单元是深度可分离卷积（dep 阅读全文
摘要：
一、理论学习 1、AlexNet的主要改进：在全连接层后增加丢弃法Dropout、使用ReLU减缓梯度消失、使用MaxPooling 上下两层是两个GPU的结果，输入为227*227*3的图片（由224*224*3调整得来），第一层卷积的卷积核数量为96，卷积核大小为11*11*3，步长是4，pad 阅读全文
摘要：
一、理论学习 1、基本理论 对于定义一个类，都要继承nn.Module。在类里，通常不可缺少的两个函数分别是__init__()和forward（）。__init__()函数首先调用父类的__init__()函数，再定义所需要的层以及所需要的操作；forward（）前向函数将输入进行__init__ 阅读全文
摘要：
夯实基础是必要的，每天学一点点也是必要的，快乐摸鱼生活又过去了一周~ 阅读全文
摘要：
深度学习基础你打好了吗？没有吧？我也没有 阅读全文