池化

YOLO技术概要学习笔记2——YOLOV2到YOLOV3

使用锚框来预测边界框（5）维度聚类（6）直接位置预测(7)更细粒度的特征(8)多尺度训练2.2YOLOv2框架3YOLOv33.1v3特点（1）边界框预测（2）类别预测（3）新的骨干网络（4）空间金字塔池化
JAMES费·2023-06-11 13:46

卷积神经网络（CNN）加速器ip设计—1.HLS代码解读

原作者项目：https://github.com/dhm2013724/yolov2_xilinx_fpga加速器整体结构上图是加速器中所有函数的调用关系，可以看到卷积层，池化层，重拍序层都采用乒乓方式
qq_31514061·2023-06-11 10:04

聊聊动态线程池的9个场景

线程池是一种基于池化思想管理线程的工具，使用线程池可以减少创建销毁线程的开销，避免线程过多导致系统资源耗尽。在高并发以及大批量的任务处理场景，线程池的使用是必不可少的。
是龙台呀·2023-06-11 09:21

Convnext实现（pytorch）

→全局平均池化+LN+Linear。Block：DWconv→PWconv（这里用Linear实现)+LN→PWconv→layerscale（对每一个通道的数据进行缩放缩放的比例
管不住心的大杜·2023-06-11 08:22

一些常见的深度学习术语：

骨干网络通常是由多个卷积层和池化层组成，用于从原始图像中提取高级特征。
奥里马·2023-06-10 17:39

深度学习-调参技巧总结

使用平均和最大池化层的和。使用大约128（0.005）到256（0.01）的mini-batch大小。如果这对你的GPU而言太大，将学习率按比例降到这个大小就行。
MrRoose·2023-06-10 16:14

深度学习之卷积神经网络（CNN）

它主要由卷积层、池化层、全连接层和激活函数层等组成。
带我去滑雪·2023-06-10 08:15

阿里的Druid来告诉你池化技术有多牛

零、类图&流程预览本文会通过getConnection作为入口，探索在druid里，一个连接的生命周期。大体流程被划分成了以下几个主流程：主流程1：获取连接流程首先会调用init进行连接池的初始化，然后运行责任链上的每一个filter，最终执行getConnectionDirect获取真正的连接对象，如果开启了testOnBorrow，则每次都会去测试连接是否可用（这也是官方不建议设置testOn
码农Kkio·2023-06-10 05:28

机器学习-12 卷积神经网络简介

传统机器学习深度神经网络vs浅层神经网络深度学习概述卷积神经网络CNNBP神经网络CNN概述卷积神经网络大致结构卷积神经网络大致过程局部连接权值共享非线性映射ReLU（RectifiedLinearUnits）池化
so.far_away·2023-06-10 02:59

openGauss5.0企业版使用指南之系统架构

文章目录1.产品定位2.3.x版本和5.x版本比对3.openGauss5.0版本架构4.openGauss5.0特点背景：今年3月openGauss5.0发布，升级了资源池化内核能力和DataKit数据全生命周期管理工具
算.子·2023-06-10 02:58

深度学习的分割方法

经过多层卷积池化，featuremap的分辨率较低。比如224*224的图
-小透明-·2023-06-10 02:45

【项目】从零实现一个高并发内存池

目录一、项目介绍1、该项目的原型2、该项目所涉及到的技术及博主往期参考文章3、池化技术4、内存池的内碎片和外碎片二、先来看一个定长内存池设计三、高并发内存池的三层框架设计1、threadcache的实现
蒋灵瑜的笔记本·2023-06-09 22:26

注意力机制——ECANet及Mobilenetv2模型应用

论文地址：https://arxiv.org/abs/1910.03151代码：https://github.com/BangguWu/ECANetECA模块，去除了原来SE模块中的全连接层，直接在全局平均池化之后的特征上通过一个
qq_41920323·2023-06-09 06:29

YOLOV5改进：即插即用! | 国防科大联合慕尼黑工业大学提出新型解耦头 TSCODE: 助力目标检测器轻松涨点！

这一点不难理解，分类通常需要站在全局的角度去审时度势，这也是为什么大多数分类任务会采用全局上下文池化(GlobalAveragePooling,GAP)的原因。
dg68668·2023-06-09 05:25

深度学习04-CNN经典模型

它由7层神经网络组成，包括2层卷积层、2层池化层和3层全连接层。其中，卷积层提取图像特征，池化层降低特征图的维度，全连接层将特征映射到对应的类别上
liaomin416100569·2023-06-08 19:20

深度学习03-卷积神经网络(CNN)

CNN的一个核心特点是卷积操作，它可以在图像上进行滑动窗口的计算，通过滤波器（又称卷积核）和池化层（MaxPooling）来提取出图像的特征。卷积操作可以有效
liaomin416100569·2023-06-08 19:43

人工智能-实验四

二.实验原理1.深度学习概述深度学习源于人工神经网络，本质是构建多层隐藏层的人工神经网络，通过卷积，池化，误差反向传播等手段，进行特征学习，提高分类或预测的准确性。
A橙_·2023-06-08 18:13

01 食物语音识别baseline

1、任务背景：对不同事物咀嚼声音进行分类2、算法模型：基于CNN的语音分类，原始语音信息提取为fbank特征，输入CNN卷积池化，再训练分类3、需要的环境：TensorFlow：一种人工智能训练框架，学习链接
麦子hirociee·2023-06-08 18:32

Java线程池七个参数详解

一、前言1.1线程池是什么线程池（threadpool）：线程池是一种池化技术，类似的有数据库连接池，HTTP连接池、IP池等。
P@ssW0rd·2023-06-08 16:10

U-Net结合GAN模型训练

编码器部分通过卷积和池化操作逐渐缩小图像尺寸，提取特征信息；解
Vous oublie@·2023-06-08 12:38

卷积神经网络

CNN的基本思想是在网络中引入卷积层，通过卷积操作提取图像或序列等数据的特征，然后再通过池化层等操作对特征进行降维或下采样，最后通过全连接层将特征映射到目标类别上。
翼光玄龙·2023-06-08 01:05

【深度学习】卷积神经网络(CNN)调优总结

使用平均和最大池化层的和。使用大约128（0.005）到256（0.01）的mini-batch大小。如果这对你的GPU而言太大，
风度78·2023-06-07 23:39

Pytorch入门（二）神经网络的搭建

文章目录一、神经网络基本骨架二、认识卷积操作三、认识最大池化操作四、非线性激活五、线性层及其它层介绍六、简单的神经网络搭建七、简单的认识神经网络中的数值计算八、损失函数与反向传播的应用一、神经网络基本骨架
酷尔。·2023-06-07 18:58

深入Mybatis框架：解读数据源的实现，整合MyBatis框架，事务管理，集成JUnit测试

深入Mybatis框架文章目录深入Mybatis框架了解数据源解读Mybatis数据源实现非池化的数据源实现池化的数据源实现整合Mybatis框架使用HikariCP连接池Mybatis事务管理使用Spring
RenX000·2023-06-07 11:21

卷积&卷积神经网络

文章目录一、关于卷积（convolution）的直观感受二、卷积在不同领域的应用三、卷积神经网络（CNN）的诞生四、卷积神经网络（CNN）（1）为什么需要卷积层（2）池化（Pooling）层是干嘛的（3
verse_armour·2023-06-07 10:07

CNN的基本概念、常用的计算公式和pytorch代码

CNN的基本概念二、常见的卷积1.一般卷积2.扩张卷积(空洞卷积)3.转置卷积(反卷积)4.可分离卷积4.1.空间可分离卷积4.2.深度可分离卷积三、CNN的输入输出尺寸计算公式3.1.卷积层3.2.池化层四
略知12·2023-06-07 09:51

Pytorch深度学习之神经网络入门详解

（txt文件名与图片文件名相同）2.tensorboard的summarywriter3.torchvision中的transforms4.DataLoader5.神经网络-卷积层Conv2d6.最大池化层
山河亦问安·2023-06-07 09:56

Android实现循环轮播跑马灯的效果

目录先看效果池化思路创造工厂轮询切换动画监听对外能力完整代码先看效果支持暂停，恢复，view自定义和池化回收复用。
·2023-06-06 21:39

卷积层与池化层输出尺寸计算

中定义卷积层conv2d=torch.nn.Conv2d(in_channels=3,out_channels=64,kernel_size=7,stride=2,padding=3,bias=False)池化层
河北一帆·2023-04-21 18:19

7.java程序员必知必会类库之数据库连接池

前言在java中，“池”化的设计思想随处可见，池化的最终目的是为了对象复用，降低系统创建、销毁对象的成本，提升资源的可管理性。
wlyang666·2023-04-21 17:24

Darknet19详细原理（含tensorflow版源码）

Darknet19主要由卷积层、池化层和批量归一化层组成。根据名称可以看出，这些层是计算密集型的，且在网络的后端叠加了几个全连接层来输出预测，网络结
爱笑的男孩。·2023-04-21 16:49

改进YOLO系列：如何在空间注意力模块基础上，魔改设计多种注意力机制(还未测试效果)

空间注意力模块问题：SpatialAttention模块是一个简单的空间注意力模块，采用最大池化和平均池化结果的拼接，然后通过一个卷积层和Sigmoid激活函数产生注意力权重。
一休哥※·2023-04-21 00:45

【云计算】云服务器

1概念云服务器：laas最基础的服务，放置在云中的计算资源（资源池化），是从云里按需分配出来的一台台虚拟机实例（instance）：具体的云服务器、部分情况下与云服务器互换使用、配置属性包含CPU内存网络存储等
zanlit·2023-04-20 18:20

Python之池化

在Python的实现里广泛使用了内存池技术来提高性能，一些相同且无特殊意义的对象也常被池化，减少了对象数量以及内存占用。举其中一个例子，有A，B，C三个类，其中只有C定义了文档字符串，这时候用A.
不_一·2023-04-20 13:54

2019-09-13深度学习学习笔记（二）基础知识

卷积神经网络信号的局部连接共享权重3.降采样4.多层网络结构卷积神经网络的主要层次结构1卷积层：卷积的输出被称作特征映射卷积核共享权重卷积神经网络具有稀疏交互性2池化层：将邻域内语义相近的特征进行融合常见池化操作
小郑的学习笔记·2023-04-20 12:33

【简单作业向】【Pytorch】猫狗分类

本文代码（数据集在同目录下）：我的Github文章目录关于数据集建立Dataset对象模型1：单层卷积+单层池化+全连接定义训练和评估函数模型2：从头训练（MobileNet）模型3：预训
takedachia·2023-04-20 09:18

【并发编程】线程池的原理和源码分析

如果在业务过程中有大量场景需要使用多线程来并发，那么就会有以下问题需要频繁的创建和销毁线程，需要消耗CPU资源如果创建和销毁的线程的数量过多(大于CPU核数)，那么线程之间需要不断的进行上下文切换，会消耗CPU资源所以我们需要对线程做一个复用池化技术的核心
dearfulan·2023-04-20 07:57

Multi-scale context多尺度上下文信息的学习

Multi-scalecontext多尺度上下文信息的学习1参考1参考SPP，PPM、ASPP和FPN结构理解和总结:SPP，PPM、ASPP和FPN结构理解和总结lSPP、ASPP和FPN:SPP、ASPP和FPN空间金字塔池化改进
溯水襄陵_·2023-04-19 19:30

卷积神经网络的整体结构、卷积层、池化、python实现

卷积神经网络的整体结构、卷积层、池化、python实现一、整体结构二、卷积层三、池化层四、python实现卷积层、池化层一、整体结构神经网络相邻层所有神经元之间都有连接，称为全连接。
算法技术博客·2023-04-19 18:29

在Linux上查看活跃线程数与连接数

简介现如今，有两种常见的软件资源几乎成了Java后端程序的标配，即线程池与连接池，但这些池化资源非常的重要，一旦不够用了，就会导致程序阻塞、性能低下，所以有时我们需要看看它们的使用情况，以判断这里是否是瓶颈
·2023-04-19 15:36

Grad-CAM的详细介绍和Pytorch代码实现

Grad-CAM的基本思想是，在神经网络中，最后一个卷积层的输出特征图对于分类结果的影响最大，因此我们可以通过对最后一个卷积层的梯度进行全局平均池化来计算每个通道的权
deephub·2023-04-19 12:24

Grad-CAM的详细介绍和Pytorch代码实现

Grad-CAM的基本思想是，在神经网络中，最后一个卷积层的输出特征图对于分类结果的影响最大，因此我们可以通过对最后一个卷积层的梯度进行全局平均池化来计算每个通道的权
·2023-04-19 11:38

面试题：互联网三高解决思路

在这两个维度下还有三高：(1)高可用(2)高性能(3)高扩展1.1高性能解决思路：缓存（分布式缓存，本地缓存）地理位置相关（GSLB，异地多活，单元化，让用户更容易访问到数据）读写分离同步变异步串行改并行池化技术
酆都小菜鬼·2023-04-19 04:54

pytorch之池化层

在本节中我们介绍池化（pooling）层，它的提出是为了缓解卷积层对位置的过度敏感性二维最大池化层和平均池化层同卷积层一样，池化层每次对输入数据的一个固定形状窗口（又称池化窗口）中的元素计算输出。不
(ノへ￣、)。·2023-04-18 22:23

[Netty源码] Netty轻量级对象池实现分析 (十三)

池化技术最终要的就是重复的使用池内已经创建的对象
959y·2023-04-18 07:15

新手也能看懂的线程池学习总结

一使用线程池的好处池化技术相比大家已经屡见不鲜了，线程池、数据库连接池、Http连接池等等都是对这个思想的应用。池化技术的思想主要是为了减少每次获取资源的消耗，提高对资源的利用率。
xiaomage9527·2023-04-18 01:26

【笔记】高并发：数据库优化方案

如需学习原课程，可参考唐扬的《高并发系统设计40问》数据库优化方案一、池化技术二、主从分离性能：单机4H8GMySQL5.7tps:500qps:10000实现步骤：主库：数据写入——更新binlog—
大牛果果·2023-04-17 23:58

Pytorch实现SE注意力机制

SE步骤对输入的特征图进行全局最大池化。输入特征图为(b,c,h,w),经过最大池化变成(b,c,1,1)，相当于把特征图变成了细长条。对经过全局平均
花生吃花生·2023-04-17 21:24

pytorch注意力机制

链接:大佬博客论文地址SENetSE是一类最简单的通道注意力机制，主要是使用自适应池化层将[b,c,w,h]的数
浩浩的科研笔记·2023-04-17 21:20

深度学习基础知识点归纳总结

最小化代价函数优化方法：BGD、SGD、MBGD、动量、NAG、Adagrad、AdaDelta、Adam、AMSGrad、牛顿法；2.前馈神经网络的隐藏单元不一定在所有的输入点上可微；3.CNN最大池化能产生一定程度的平移不变性
小锋学长·2023-04-17 12:47
上一页 20 21 22 23 24 25 26 27 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他