池化

C++项目 | 高并发内存池

池化技术：线程池、内存池、连接池内存池解决的问题：1、提高申请和释放内存的效率2、解决内存碎片内存碎片：频繁申请、释放小块内存，可能会导致内存碎片。
LumosJ·2023-10-04 18:53

C++高并发内存池的设计和实现

一、整体设计1、需求分析池化技术是计算机中的一种设计模式，内存池是常见的池化技术之一，它能够有效的提高内存的申请和释放效率以及内存碎片等问题，但是传统的内存池也存在一定的缺陷，高并发内存池相对于普通的内存池它有自己的独特之处
huang714·2023-10-04 18:52

C++项目：【高并发内存池】

文章目录一、项目介绍二、什么是内存池1.池化技术2.内存池3.内存池主要解决的问题4.malloc三、定长的内存池四、高并发内存池整体框架设计1.高并发内存池--threadcache1.1申请内存：1.2
不一样的烟火a·2023-10-04 18:50

TransFusion:Robust LiDAR-Camera Fusion for 3D Object Detection with Transformers 论文笔记

结果级融合在图像上进行2D检测，然后提升到3D空间生成3D提案，再通过PointNet进行边界框估计；提案级融合使用RoI池化操作在共享的提案内融合多模态特征。
byzy·2023-10-04 15:03

深度学习 图像分割 PSPNet 论文复现（训练 测试 可视化）

此架构引入了金字塔池化（PyramidPooling）
LPY。·2023-10-04 09:01

YoloV8改进策略：SPD-Conv加入到YoloV8中，让小目标无处遁形

摘要SPD-Conv是一种新的构建块，用于替代现有的CNN体系结构中的步长卷积和池化层。它由一个空间到深度（SPD）层和一个非步长卷积（Conv）层组成。
静静AI学堂·2023-10-04 07:29

上采样方法

目录上采样(Upsampling)方法去池化最近邻方法钉床方法最大去池化双线性插值反卷积膨胀卷积上采样(Upsampling)方法上采样：是指将低分辨率的图像或特征图放大到原始分辨率的过程。
滑稽的猴子·2023-10-04 02:19

JAVA面经整理(5)

创建线程池不是说现用先创建，而是要是可以复用线程池中的线程，就很好地避免了大量用户态和内核态的交互，不需要频繁的创建和销毁线程一)什么是池化技术？什么是线程池？
我要进中厂·2023-10-02 23:50

论文笔记_Network in Network

文章目录摘要1.介绍2.卷积神经网络3.NetworkinNetwork3.1MLP卷积层3.2全局平均池化3.3NIN网络架构4.实验4.1实验概述4.2CIFAR-104.3CIFAR-1004.4StreetViewHouseNumbers
你搁这儿写bug呢？·2023-10-02 16:32

MachineLearning

一、卷积&池化卷积卷积能抽取特征多层卷积能抽取复杂特征卷积神经网络每层的卷积核权重是由数据驱动学习得来，不是人工设计的，人工只能胜任简单卷积核的设计，像边缘，但在边缘响应图之上设计出能描述复杂模式的卷积核则十分困难
Shine_ahuii·2023-10-02 15:11

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

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·2023-10-02 03:41

LeNet网络复现

文章目录1.LeNet历史背景1.1早期神经网络的挑战1.2LeNet的诞生背景2.LeNet详细结构2.1总览2.2卷积层与其特点2.3子采样层（池化层）2.4全连接层2.5输出层及激活函数3.LeNet
@kc++·2023-10-01 11:51

深度学习笔记 ：一些理解上的问题

这些特征映射最终会通过池化
愿你酷得像风·2023-10-01 05:21

Anchors

这是源代码定义的anchors概念：实现过程：假如有一张500×500的图片，那么经过第一步深度卷积网络之后（4次池化），最终就会变成一个32×32的特征：在开源代码实现里面：所以经过卷积完之后，每一个红点就是
每天都是被迫学习·2023-10-01 05:32

【Netty】 ByteBuf的常用API总结

目录一、ByteBuf介绍二、ByteBuf创建1.池化创建ByteBufAllocator2.Unpooled（非池化）创建ByteBuf3.ByteBufUtil操作ByteBuf三、读取ByteBuf
NettyBoy·2023-10-01 01:59

注意力机制

目录一、注意力机制概念二、查询、键和值三、非参注意力池化层注意力机制：我们会把我们的焦点聚焦在比较重要的事物上。
向岸看·2023-09-30 20:19

小白入门pytorch(二)----神经网络

本文为[小白入门Pytorch]学习记录博客文章目录前言一、神经网络的组成部分1.神经元2.神经网络层3.损失函数4.优化器二、Pytorch构建神经网络中的网络层全连接层2.卷积层3.池化层4.循环神经网络
yzhua_777·2023-09-30 10:41

筑基 AIGC 智算 OS 助力大模型高效释放算力

智算OS是面向大模型算力服务的智能算力运管平台，通过池化通用、智能等算力，满足多租户弹性AI算力供给需求，不断驱动产业AI转型升级，为百行千业开启智慧算力新征程。
浪潮圈·2023-09-30 09:18

【深度学习_TensorFlow】卷积神经网络（CNN）

写在前面这篇文章的行文思路如下：先根据视频了解卷积和卷积神经网络的整体框架接着了解卷积神经网络构建过程中的一些重要操作，包括内积、填充、池化。然后介绍卷积层如何实现。
畅游星辰大海·2023-09-30 06:23

【Linux】线程池

（池化技术）线程池优点线程池避免了在处理短时间内任务的创建和销毁。线程池不仅能够保证内核充分利用，还能防止过分调度。线程池使用场景需要大量的线程来完成任务，且需要完成的任务时间短。对性能要
Fre丸子_·2023-09-30 03:37

深度学习（1）---卷积神经网络

1.1CNN简要说明1.2猫的视觉实验1.3新认知机1.4LeNet-51.5AlexNet二、卷积层2.1图像识别特点2.2卷积运算2.3卷积核2.4填充和步长2.5卷积计算公式2.6多通道卷积三、池化层一
冒冒菜菜·2023-09-29 07:11

十二.报错：logits and labels must be same size

/tensorflow-cnn-error-logits-and-labels-must-be-same-size经过研究调试发现问题是进入全连接层，那一步输入为4*4*256，但是由于前面我多了一步池化
愿风去了·2023-09-29 04:31

JedisPoolConfig参数配置，调优技能

首先了解一下池化（（对象池、数据库连接池、线程池等等））的一
928-y·2023-09-28 20:08

【深度学习实验】卷积神经网络（五）：深度卷积神经网络经典模型——VGG网络（卷积层、池化层、全连接层）

目录一、实验介绍二、实验环境1.配置虚拟环境2.库版本介绍三、实验内容0.导入必要的工具包1.conv_layer（创建卷积块）2.vgg_conv_block（卷积模块：卷积层*n、池化层）3.vgg_fc_layer
QomolangmaH·2023-09-28 11:27

【深度学习实验】卷积神经网络（四）：自定义二维汇聚层：最大汇聚（max pooling）和平均汇聚（average pooling）

导入必要的工具包1.Conv2D（二维卷积层）2.Pool2D（二维汇聚层）理论知识a.初始化b.前向传播(最大汇聚层)c.前向传播(平均汇聚层)d.测试一、实验介绍本实验实现了一个自定义的二维汇聚层（池化层
QomolangmaH·2023-09-28 06:06

TextCNN

在文本分类时，可以使用卷积层进行文本特征抽取，模型结构如图：首先利用卷积层和池化层，捕获序列特征，然后根据特征用softmax进行分类。这里面主要涉及到两个操作，卷积操作和池化操作。
612twilight·2023-09-27 16:56

PC-DARTS论文概要

优点：显著减小计算和存储花费，增大批次大小，减少选择操作时的偏差，增强模型稳定性，正则化低参操作（跳跃连接，池化）和高参操作（各式卷积），避免陷入局部最优。
莫问余年·2023-09-27 05:11

经典网络解析（三）GoogleNet | Inception块，1*1卷积核，辅助分类器 整体结构代码

文章目录1.串联结构VGG存在的问题2.GoogleNet结构解析2.1Inception块2.2最后采用平均池化操作2.3辅助分类器3.代码实现3.1实现Inception块3.2各个块依次实现4**
Qodi·2023-09-27 04:18

JDK21新特性 虚拟线程

因此，虚拟线程不该被池化，而是来
01空间·2023-09-26 23:21

论文笔记：ViTGAN: Training GANs with Vision Transformers

20211intro论文研究的问题是：ViT是否可以在不使用卷积或池化的情况下完成图像生成任务即不用CNN，而使用ViT来完成图像生成任务将ViT架构集成到GAN中，发现现有的GAN正则化方法与self-attention
UQI-LIUWJ·2023-09-26 20:16

深度学习基础概念理解

如果说卷积层、池化层和激活函数层等操作是将原始数据映射到隐层特征空间的话，全连接层则起到将学到的“分布式特征表示”映射到样本标记空间的作用。
盛世芳华·2023-09-26 14:39

GoogLeNet网络

目录1.创新点1.1引入Inception结构1.21×1卷积降维1.3两个辅助分类器1.4丢弃全连接层，使用平均池化层2.网络结构3.知识点3.1torch.cat3.2关于self.training3.3
MyDreamingCode·2023-09-26 14:35

从容器化到资源池化，数栈云原生技术实践探索之路

你可以看到▫Kubernetes如何解决Hadoop痛点▫数栈在FlinkonK8S的实践▫容器化之后的未来设想：资源池化作者/雅泽、狗焕编辑/向山引言在过去的很长一段时间，大
袋鼠云数栈·2023-09-26 12:20

深度学习—卷积神经网络简单理论及实践

卷积神经网络CNN，在原来多层神经网络的基础上，加入了更加有效的特征学习部分，具体操作就是在原来的全连接层前面加入了卷积层和池化层。卷积神经网络的出现，使得神经网络层数得以加深，“深度”学习由此而来。
北边一颗小星星·2023-09-26 05:52

Python深度学习入门 - - 卷积神经网络学习笔记

文章目录一、卷积神经网络简介二、卷积神经网络的数学原理1、卷积层2、池化层3、感受野三、Python实战卷积神经网络1、LetNet-5网络2、Resnet残差网络3、VGGNet迁移学习总结一、卷积神经网络简介卷积神经网络
szu_ljm·2023-09-25 20:26

【动手学深度学习-Pytorch版】注意力汇聚：Nadaraya-Watson 核回归

注意力机制中的查询、键、值在注意力机制的框架中包含了键、值与查询三个主要的部分，其中键与查询构成了注意力汇聚（有的也叫作注意力池化）。
い☞殘風☜、™·2023-09-25 05:48

图像增强（image enhancement）Aesthetic-Driven Image Enhancement by Adversarial Learning

ThearchitectureofourproposedEnhanceGANframework生成网络是标准的ResNet-101，去掉了最后的池化层和全连接层，最后的输出为2048个futuremap
牛肉塔克·2023-09-24 18:03

Java并发编程——线程池

一、池化技术程序运行的本质是占用系统资源，而池化技术可以优化资源的使用。
Alchemy_Ding·2023-09-24 10:33

Java并发编程 —— 线程池

线程池：  定义：使用池化技术来管理和使用线程的技术，就叫做线程池线程池的创建方式包含7种创建方式一：创建固定个数的
MercuryG·2023-09-24 10:32

YOLOv5、YOLOv8改进：空间金字塔池化 SPPF改为 SimSPPF / ASPP / RFB / SPPCSPC / SPPFCSPC

目录1.SPP2.sppfyolov5作者基于spp提出3.YOLOv5/YOLOv8改进之结合ASPP3.1空洞卷积（AtrousConvolution）3.2空洞空间卷积池化金字塔2.配置yolo.py
陈子迩·2023-09-24 01:25

从VGG看CNN

从VGG看CNN文章目录从VGG看CNNVGG的成功之处VGG的结构特点VGG-11代码VGG的成功之处VGG与AlexNet相比，VGG采用小的卷积核和池化层，层数更深，通道数更多，其中每个通道代表着一个
Gowi_fly·2023-09-24 00:15

SpringBoot使用线程池

使用线程池，有几点好处：降低资源消耗：通过池化技术重复利用已创建的线程，降低线
轻轻敲醒沉睡的心灵·2023-09-23 17:37

使用 PyTorch 的计算机视觉简介 （4/6）

多层卷积层允许我们从图像中提取某些图像模式，池化层，以及在CIFAR-10上的表现。二、多层CNN在上一个单元中，我们学习了可以从图像中提取模式的卷积滤波器。
无水先生·2023-09-23 16:37

线程池异常日志处理

线程池是作为池化技术的一种常见应用，今天来聊一聊线程池的异常日志处理策略！
暴走的耗子·2023-09-23 14:12

AlexNet——ImageNet Classification with Deep Convolutional Neural Networks

1.摘要本文的模型采用了5层的卷积，一些层后面还紧跟着最大池化层，和3层的全连接，最后是一个1000维的softmax来进行分类。为了减少过拟合，在全连接层采取了dropout，实验结果证明非常有效。
seniusen·2023-09-23 13:28

卷积神经网络（Convolutional Neural Networks, CNN）

文章目录前言一、什么是卷积神经网络二、输入层三、卷积层四、池化层五、全连接层六、输出层七、回顾整个过程总结前言本文总结了关于卷积神经网络（CNN）的一些基础的概念，并且对于其中的细节进行了详细的原理讲解
701044·2023-09-23 05:35

【深度学习】LeNet网络架构

LeNet模型包含了多个卷积层和池化层，以及最后的全连接层用于分类。其中，每个卷积层都包含了一个卷积操作和一个非线性激活函数，用于提取输入图像的特征。池化层则用于缩小特征图
高 朗·2023-09-23 03:09

PyTorch实战：卷积神经网络详解+Python实现卷积神经网络Cifar10彩色图片分类

卷积神经网络概述二、卷积神经网络特点卷积运算单通道，二维卷积运算示例单通道，二维，带偏置的卷积示例带填充的单通道，二维卷积运算示例Valid卷积Same卷积多通道卷积计算1.局部感知域2.参数共享3.池化层
fanstuck·2023-09-23 03:29

现代卷积网络实战系列3：PyTorch从零构建AlexNet训练MNIST数据集

1、AlexNetAlexNet提出了一下5点改进：使用了Dropout，防止过拟合使用Relu作为激活函数，极大提高了特征提取效果使用MaxPooling池化进行特征降维，极大提高了特征提取效果首次使用
机器学习杨卓越·2023-09-22 21:17

VGG图像分类卷积神经网络

卷积神经网络左边为原图，右边为特征提取后得到的featuremap通过不同算法得到的featuremap池化：（图像中相邻元素有近似的值，因此通常卷积层相邻的输出像素也是相似的值，这意味着卷积层包含的大多信息都是冗余的
然后，·2023-09-22 15:03
上一页 10 11 12 13 14 15 16 17 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他