双线性池化

线程池详解

自定义线程池线程池（ThreadPool）在Java中是通过Executor框架实现的，它允许你以池化的方式管理线程，复用线程并控制最大并发数，从而提高资源的利用率和系统的稳定性。
此花本应与她·2023-12-15 09:54

业务场景实战(七)阿里TTL线程池

思维导图思维导图.png系列总目录业务场景实战汇总背景在使用线程池等会池化复用线程的执行组件情况下，transmittable-thread-local(简称TTL)提供ThreadLocal值的传递功能
后来丶_a24d·2023-12-15 03:18

【openGauss训练营】零基础开启openGauss之旅

加入openGauss训练营鲲鹏社区特推出openGauss训练营，开设《openGauss介绍》、《Datakit工具介绍》、《CM工具介绍》、《资源池化开发者入门》等精品课程。
openGaussMan·2023-12-15 01:46

园区网络虚拟化应该这样建

通过虚拟化技术，将物理网络资源进行池化处理，形成可供业务层任意调动的全网资源池，供iMasterNCE-Campus灵活分配。同时，在一个物理网络上虚拟出多个逻辑上独立的虚拟网络，分别承载
网络工程师俱乐部·2023-12-15 00:41

一种边缘梯度插值的双分支deeplabv3+语义分割模型

摘要:针对deeplabv3+解码器采用双线性插值的单一分支结构易导致图像的高频分量损失、语义分割精度不高的问题，采用索伯(Sobel)算子计算各像素点沿不同方向的边缘梯度值并结合双三次插值算法，提出一种边缘梯度插值方法
罗思付之技术屋·2023-12-14 22:45

【PyTorch】卷积神经网络

文章目录1.理论介绍1.1.从全连接层到卷积层1.1.1.背景1.1.2.从全连接层推导出卷积层1.2.卷积层1.2.1.图像卷积1.2.2.填充和步幅1.2.3.多通道1.3.池化层（又称汇聚层）1.3.1
盛世隐者·2023-12-14 17:49

3.PyTorch——常用神经网络层

__version__'2.1.1'3.1图像相关层图像相关层主要包括卷积层（Conv）、池化层（Pool）等，这些层在实际使用中可分为一维(1D)、二维(2D)、三维
沉住气CD·2023-12-14 16:25

基于YOLOv5的目标检测任务实战

目录前言一、YOLOv5SPPF1）空间金字塔池化（SpatialPyramidPooling,SPP）2）SPP3）SPPF数据增强二、实战代码1）代码结构2）边界框格式及损失指标3）代码问题及解决前言这是一个
Lxx_bbbbbb·2023-12-14 16:56

Graph Isomorphism Network(GIN)

文章目录前言一、WL检验原理二、GIN原理三、最大池化层四、GIN的应用1、Proteins数据集2、预处理数据集3、类函数定义4、模型训练总结前言神经网络在过去被用于逼近函数，具有一层隐藏层的神经网络前馈神经网络
Authony.·2023-12-06 18:51

nn.AdaptiveAvgPool2d(output_size)输入和输出怎么回事？

前言nn.AdaptiveAvgPool2d(output_size)函数作用：自适应进行平均池化。不用管输入、stride、padding，函数参数只有输出大小，其他的这个函数帮你搞定。
MORE_77·2023-12-06 17:23

2022-05-01 词汇与语句的表达（实验）

人工智能应用——词汇与语句的表达一、实验目的熟悉深度语义向量的原理，表现和意义；掌握使用word2vec等深度语义工具计算词汇的语义向量；掌握通过池化的方式获取句子的语义向量；熟悉深度语义向量的简单应用
Luo_淳·2023-12-06 10:52

pytorch学习8-损失函数

Tensorboard可视化工具pytorch学习2-Transforms主要方法使用pytorch学习3-torchvisin和Dataloader的使用pytorch学习4-简易卷积实现pytorch学习5-最大池化层的使用
Magic171·2023-12-06 07:50

pytorch学习9-优化器学习

Tensorboard可视化工具pytorch学习2-Transforms主要方法使用pytorch学习3-torchvisin和Dataloader的使用pytorch学习4-简易卷积实现pytorch学习5-最大池化层的使用
Magic171·2023-12-06 07:50

pytorch学习10-网络模型的保存和加载

Tensorboard可视化工具pytorch学习2-Transforms主要方法使用pytorch学习3-torchvisin和Dataloader的使用pytorch学习4-简易卷积实现pytorch学习5-最大池化层的使用
Magic171·2023-12-06 07:50

pytorch学习11-完整的模型训练过程

Tensorboard可视化工具pytorch学习2-Transforms主要方法使用pytorch学习3-torchvisin和Dataloader的使用pytorch学习4-简易卷积实现pytorch学习5-最大池化层的使用
Magic171·2023-12-06 07:50

pytorch学习4-简易卷积实现

Tensorboard可视化工具pytorch学习2-Transforms主要方法使用pytorch学习3-torchvisin和Dataloader的使用pytorch学习4-简易卷积实现pytorch学习5-最大池化层的使用
Magic171·2023-12-06 07:19

pytorch学习5-最大池化层的使用

Tensorboard可视化工具pytorch学习2-Transforms主要方法使用pytorch学习3-torchvisin和Dataloader的使用pytorch学习4-简易卷积实现pytorch学习5-最大池化层的使用
Magic171·2023-12-06 07:19

pytorch学习7-序列模型搭建

Tensorboard可视化工具pytorch学习2-Transforms主要方法使用pytorch学习3-torchvisin和Dataloader的使用pytorch学习4-简易卷积实现pytorch学习5-最大池化层的使用
Magic171·2023-12-06 07:19

pytorch学习1-数据加载以及Tensorboard可视化工具

Tensorboard可视化工具pytorch学习2-Transforms主要方法使用pytorch学习3-torchvisin和Dataloader的使用pytorch学习4-简易卷积实现pytorch学习5-最大池化层的使用
Magic171·2023-12-06 07:49

pytorch学习2-Transforms主要方法使用

Tensorboard可视化工具pytorch学习2-Transforms主要方法使用pytorch学习3-torchvisin和Dataloader的使用pytorch学习4-简易卷积实现pytorch学习5-最大池化层的使用
Magic171·2023-12-06 07:49

pytorch学习3-torchvisin和Dataloader的使用

Tensorboard可视化工具pytorch学习2-Transforms主要方法使用pytorch学习3-torchvisin和Dataloader的使用pytorch学习4-简易卷积实现pytorch学习5-最大池化层的使用
Magic171·2023-12-06 07:49

pytorch学习6-非线性变换（ReLU和sigmoid）

Tensorboard可视化工具pytorch学习2-Transforms主要方法使用pytorch学习3-torchvisin和Dataloader的使用pytorch学习4-简易卷积实现pytorch学习5-最大池化层的使用
Magic171·2023-12-06 07:45

空间金字塔池化（SPP，Spatial Pyramid Pooling)系列

空间金字塔池化的作用是解决输入图片大小不一造成的缺陷，同时在目标识别中增加了精度。空间金字塔池化可以使得任意大小的特征图都能够转换成固定大小的特征向量，下面针对一些典型的空间金字塔进行盘点。
追忆苔上雪·2023-12-06 00:14

1万字长文高速你千万级并发架构下如何提高数据库存储性能

图2-1池化技术，减少频繁创建数据库连接遇到这样的问题，解决办法就是顺着当前整体的逻辑去思考，首先，应用要和数据库打交道，必然会设计到数据库链接的建立。
跟着Mic学架构·2023-12-05 19:15

LinuxC/C++ 实现简易线程池

LinuxC/C++实现简易线程池文章目录LinuxC/C++实现简易线程池实现原理实现线程池实现原理线程池是一种池化的技术，类似的还有数据库连接池、HTTP连接池等等.池化的思想主要是为了减少每次获取和结束资源的消耗
jenrain·2023-12-05 17:56

什么是上采样和下采样？

一种常见的上采样方法是使用插值技术（如双线性插值、三次样条插值等）来估算新像素的值。在神经网络中，上采样也经常用于进行反卷积
BugMaker2002·2023-12-05 16:43

nn.Sequential

它允许您将多个神经网络层（例如卷积层、池化层、激活函数等）按顺序组合在一起。使用nn.Sequential可以轻松地构建复杂的神经网络结构，而无需手动连接各个层。
湫兮之风·2023-12-05 13:39

超参数设定及训练技巧

3.池化层参数的设定：一般采用卷积核大小2*2，步长为2.4.全连接层
星辰同学wwq·2023-12-05 08:16

时序预测 | MATLAB实现CNN-SVM卷积支持向量机时间序列预测

在深度学习模型中，卷积神经网络模型的卷积层和池化层具有强大的计算能力，能够降低图像在平移过程中的损失率，从而特征向
机器学习之心·2023-12-05 06:29

CNN,DNN,RNN,GAN,RL+图像处理常规算法(未完待续)

它包含卷积层、池化层和全连接层。卷积层通过卷积操作提取图像的特征，池化层降低特征图的维度（缩小特征图尺寸并保留关键信息），全连接层用于分类（将提取的特征映射到输出层进行分类或回归）。
不爱吃香菇的干饭少年·2023-12-05 06:08

卷积神经网络入门

其基本结构如图2-1所示，大致包括：卷积层，激活函数，池化层，全连接层，输出层。
半截詩·2023-12-05 01:23

21、Resnet50 中包含哪些算法？

总共卷积算法、激活算法（relu）、最大池化算法、加法（主要是为了实现残差结构）、全局平均池化、全连接和softmax算法这几种算法。
董董灿是个攻城狮·2023-12-04 15:40

Python基于深度学习机器学习卷积神经网络实现垃圾分类垃圾识别系统(GoogLeNet，Resnet，DenseNet，MobileNet，EfficientNet，Shufflent)

文章目录1前言+2卷积神经网络（CNN）详解+2.1CNN架构概述+2.1.1卷积层+2.1.2池化层+2.1.3全连接层2.2CNN训练过程+2.3CNN在垃圾图片分类中的应用3代码详解+3.1导入必要的库
purple_love·2023-12-04 14:25

2 文本分类入门：TextCNN

TextCNN的主要思想是使用一维卷积层来提取文本中的局部特征，并通过池化操作来减少特征的维度。这些局部特征可以捕获词语之间的关系和重要性，从而帮助模型进行分类。
汀沿河·2023-12-04 09:06

Linux系统配置深度学习环境之cudnn安装

cuDNN提供了一系列优化的基本算法和函数，包括卷积、池化、规范化、激活函数等，以及针对深度学习任务的高级功能，如循环神经网络（RNN）的支持。
番茄小能手·2023-12-04 08:51

CV baseline概览|AlexNet：ImageNet Classification with Deep Convolutional Neural Networks基于深度卷积神经网络的图像分类

CVbaseline重要性CNN发展历程演化路径AlexNet概览AlexNet全文翻译摘要1引言2数据集3网络结构3.1ReLU非线性激活函数3.2在多GPU上训练3.3局部响应标准化LRN3.4重叠池化
源代码•宸·2023-12-04 01:26

论文笔记：On delegatability of designated verifier signature schemes

2014Ondelegatabilityofdesignatedverifiersignatureschemes介绍定义SDVSID-basedDVSUDVS分类type-Ⅱ算法举例Type-ⅠDVS算法举例(涉及双线性
yixvxi·2023-12-03 14:11

YOLOv5算法进阶改进（7）— 将主干网络SPPF更换为SimSPPF / SPP-CSPC / SPPF-CSPC

SimSPPF是YOLOv6中提出的一种改进的空间金字塔池化方法，它是SPPF的升级版。SimSPPF通过在不同尺度上使用不同大小的池化核来提取特征，从而提高了检测器的性能。
小哥谈·2023-12-03 09:55

java线程池

线程池可以看作是线程的集合，是一种基于池化思想管理线程的工具。举个例子：for(inti=0;itask)方法，将任务提交给线程池。
风筝上的猫·2023-12-02 23:42

18、深度学习实战——完成一个模型的训练和推理

为什么选择这个神经网络该神经网络以数据集小、神经网络简单、任务简单为优势，并且集合了很多计算机视觉尤其是卷积神经网络中经典的算法，比如卷积+bn+池化算法，可谓麻雀虽小，五脏俱全，非常适合新手上手学习。
董董灿是个攻城狮·2023-12-02 17:54

初学者如何入门深度学习：以手写数字字符识别为例看AI 的学习路径，一图胜千言！

卷积池化以手写字符识别为例讲述深度学习的分类问题MNIST数据集简介初学者入门：生成式AI--generative-ai-for-beginners从神经网络到Transformer参考文献与学习路径深度神经网络
shiter·2023-12-02 12:17

4-conv-1-fc结构

在深度学习中，网络的具体结构通常由卷积层、池化层、全连接层等组成。
何处不逢君·2023-12-01 22:44

Kaggle-水果图像分类银奖项目 pytorch Densenet GoogleNet ResNet101 VGG19

一些原理文章卷积神经网络基础（卷积，池化，激活，全连接）-知乎PyTorch入门与实践（六）卷积神经网络进阶（DenseNet）_pytorchconv1x1_Skr.B的博客-CSDN博客GoogLeNet
even蛋黄酱·2023-12-01 19:36

深度学习手势识别 - yolo python opencv cnn 机器视觉 计算机竞赛

文章目录0前言1课题背景2卷积神经网络2.1卷积层2.2池化层2.3激活函数2.4全连接层2.5使用tensorflow中keras模块实现卷积神经网络3YOLOV53.1网络架构图3.2输入端3.3基准网络
Mr.D学长·2023-12-01 18:54

torch常用和预期输入输出

NormalizationBatchNormBatchNorm1dBatchNorm2dBatchNorm3dInstanceNormInstanceNorm2dLayerNormGroupNormpool平均池化
平丘月初·2023-12-01 15:53

连接池、线程池到底是怎么回事（池化思想）？与享元模式又有什么关系？

当需要使用线程的时候，先用已有可用的、找不到再new一个新的线程使用get方法-》逐个遍历、----》找到存活状态为false的线程、return这个死亡的线程、修改其存活状态。----》未找到存活状态为false的线程、此时才return提前做好几个、重复利用--》享元模式（共享元数据）思想for(inti=0;i
刘凯86·2023-12-01 14:05

图像的放大：双三次插值算法（C++实现）

双线性插值算法的不足就是细节处理的不好，换句话说，就是曲线拟合得不够光滑，所以又有了双三次插值算法。双三次插值算法是基于周围的16个像素点，通过计算16个像素点的权重，累积得到增加点的像素值的。
lzm88123·2023-12-01 11:37

cv2 resize 到指定大小_Python OpenCV 图像缩放 cv2.resize 方法

铺垫知识在检索图像缩放的相关知识点时，找到了一个相关算法，名字叫做插值算法，具体涉及最近邻插值算法，双线性插值算法等其它内容。
weixin_39533307·2023-12-01 07:26

MatchPyramid实现文本匹配

使用了两层卷积网络；每层卷积网络接一个最大池化层；最后利用两个全连接
愤怒的可乐·2023-12-01 07:10

深度学习毕设项目 深度学习 python opencv 动物识别与检测

文章目录0前言1深度学习实现动物识别与检测2卷积神经网络2.1卷积层2.2池化层2.3激活函数2.4全连接层2.5使用tensorflow中keras模块实现卷积神经网络3YOLOV53.1网络架构图3.2
DanCheng-studio·2023-11-29 20:41
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他