池化

【PyTorch改进】提升ResNet34网络在CIFAR10数据集上的准确率

本篇文章将对上一次的ResNet34网络进行改进，主要改进的点有：在最开始的卷积层中用更小（3*3）的卷积核，而且不缩小图片尺寸，相应的最后的平均池化的核改成4*4classResNet18(
爱吃零食的苦学僧·2023-02-04 16:18

deeplab v3+论文精读

空间金字塔池模块网络能够通过不同空洞率的、具有不同感受野的空洞卷积或池化操作，
樱花的浪漫·2023-02-04 15:14

Keras卷积+池化层学习

转自：https://keras-cn.readthedocs.io/en/latest/layers/convolutional_layer/https://keras-cn.readthedocs.io/en/latest/layers/pooling_layer/1.con1Dkeras.layers.convolutional.Conv1D(filters,kernel_size,stri
weixin_33849215·2023-02-04 15:44

花书-卷积神经网络

知识框架卷积池化（引入了平移不变性，）全局连接层（多层感知机）卷积神经网络应用(分类上)图像分类大赛(ResNEt网络比人类识别图像的性能还要好，深度也越来越深)各大CNN模型重难点参考资料：(CNN祖爷爷
维他柠檬可乐·2023-02-04 15:43

OpenMMLab AI实战营笔记（二）

使用小的卷积核替代一个大的卷积核，减少了参数的数量，而且感受野不变亮点1.引入了inception结构，可以融合不同尺度的信息2.使用了1x1的卷积核进行降维以及映射处理3.添加了两个辅助分类器帮助训练4.丢弃了全连接层，使用平均池化层
cyj5x·2023-02-04 10:25

Day01

分割要基本抠图2OpenMMLab机器学习不同卷积核定义了不同的；比如有的是边缘、有的是高斯模糊两个卷积核可以提取两种特征；生成两个featuremap神经网络可以拐弯；则就是的有非线性预测能力：激活层池化层得到不同的后验概率
流英成和·2023-02-04 08:41

OpenMMLab课程笔记Day1

根据梯度的历史幅度自动调整学习率（区分”学习重点“）优化器：动量，将上一步的移动延续到本布，帮助逃离局部极小值与鞍点，环节随机梯度下降的波动为了避免过拟合，我们设计了earlystopping卷积神经网络分为卷积层，激活层，池化层
Halbert(^_^)·2023-02-04 08:54

池化层的作用总结：

池化层的作用总结：在卷积神经网络中通常会在相邻的卷积层之间加入一个池化层，池化层可以有效的缩小参数矩阵的尺寸，从而减少最后连接层的中的参数数量。所以加入池化层可以加快计算速度和防止过拟合的作用。
Big Whale·2023-02-04 08:24

CAM系列（二）之Grad-CAM（原理讲解和代码实现）

Grad-CAM的提出背景：CAM揭示了卷积神经网络分类模型中图像的空间特征与其类别权重之间的联系，然鹅，CAM只适用于模型中有全局平均池化层并且只有一个全连接层（即输出层）的情形，如ResNet，MobileNet
西北小生_·2023-02-04 08:31

第三节:Keras深度学习框架实战之构建网络模型UNet

在使用Keras构建UNet模型前，你一定要完成这三个章节的学习，这样搭建此模型时更加方便，这三个章节为：Keras深度学习框架之网络层Keras深度学习框架之卷积层Keras深度学习框架之池化层一：Keras
BBM的开源HUB·2023-02-04 07:44

时序卷积网络 | Python实现TCN时序卷积网络数据预测

CNN一般包含卷积层和池化层，卷
小橘算法屋·2023-02-03 21:03

【深度学习入门：基于Python的理论与实现】书本学习笔记 第七章 卷积神经网络

文章目录卷积神经网络1.卷积神经网络的实现1.1使用im2col1.2池化层的实现2.CNN的实现2.1构建网络2.2开始训练写在最后注：书的源代码下载如下书本源代码下载地址点击右侧资源则可以下载对应的代码卷积神经网络
FeverTwice·2023-02-03 18:30

卷积神经网络的一般步骤,卷积神经网络采用卷积

对得到的结果用另一个卷积核继续提取+reLU，然后池化（保留区域最大或者用区域平均来替换整个局部区域的值，保证平移不变性和一定程度上对过拟合的压制）之后“深度”的话，就会需要对池化后的结果继续用不同的卷积核进行
wenangou·2023-02-03 17:29

吴恩达DeepLearningCourse4-卷积神经网络

部分内容参考之前的笔记PyTorch深度学习实践文章目录第一周：卷积神经网络边缘检测Padding、Stride三维卷积卷积神经网络中的一层池化层第二周：深度卷积网络实例探究残差网络1x1卷积Inception
MONA ODYSSEY·2023-02-03 16:51

云概念

云是计算、存储、网络资源池化的概念云计算：是一个体系，就是将我们传统的IT工作转为以网络为依托的云平台运行云平台：指基于硬件的服务，提供计算、网络和存储能力。
青衫忆笙666·2023-02-03 16:59

DeepLab系列

系列1.DeepLabV11.1语义分割中存在的问题1.信号下采样导致分辨率降低造成原因：采用MaxPooling造成的解决办法：引入atrousConv空洞卷积2.CNN的空间不变性造成原因：重复的池化和下采样解决办法
何如千泷·2023-02-03 14:19

【小白学PyTorch】21 Keras的API详解（下）池化、Normalization层

作者WX：cyx645016617.参考目录：文章目录1池化层1.1最大池化层1.2平均池化层1.3全局最大池化层1.4全局平均池化层2Normalization2.1BN2.2LN下篇的内容中，主要讲解这些内容
微信公众号[机器学习炼丹术]·2023-02-03 13:12

EigenPool

Paper:GraphConvolutionalNetworkswithEigenPoolingCode:摘要作者提出了EigenPool用来进行图的层次性池化操作，相比于DIFFPOOL，EigenPool
fnoi2014xtx·2023-02-03 12:37

【图神经网络】图神经网络(GNN)学习笔记：图分类

图神经网络GNN学习笔记：图分类1.基于全局池化的图分类2.基于层次化池化的图分类2.1基于图坍缩的池化机制1图坍缩2DIFFPOOL3.EigenPooling2.2基于TopK的池化机制2.3基于边收缩的池化机制参考资料图分类问题是一个重要的图层面的学习任务
镰刀韭菜·2023-02-03 12:36

Openmmlab寒假训练营(一)

2loss=loss.sum()#其中loss对w和b的导出存储在w.grad和b.grad中loss.backward()3.torch.nn.functional模块提供一些基础的算子操作函数，如卷积、池化
蛋黄粽子真香·2023-02-03 11:45

Bahdanau 注意力

这是通过将上下文变量视为加性注意力池化的输出来实现的。在循环神经网络编码器-解码器中，Bahdanau注意力将上一时间步的解码器隐状态视为查询，在所有时间步的编码器隐状态同时视为键和值。
流萤数点·2023-02-03 11:39

全连接层的作用是什么？（nn.Linear()）

主要作用全连接层的主要作用就是将前层（卷积、池化等层）计算得到的特征空
马鹏森·2023-02-03 09:49

推荐 | 零基础小白学PyTorch.pdf

>扩展之Tensorflow2.0|21Keras的API详解（下）池化、Normalization层扩展之Tensorflow2.0|21Keras的API详解（上）卷积、激活、初始化、正则扩展之Tensorflow2.0
Pysamlam·2023-02-03 09:11

AI基础实战营第一课打卡笔记

的简单介绍及其优点通用，开放统一，灵活，迭代机器学习相关内容监督学习，无监督学习，强化学习神经网络的介绍及其训练如何衡量神经网络性能，损失函数如何调整优化等问题，介绍了梯度下降算法卷积神经网络介绍了卷积层，激活层，池化层
z_whiskey·2023-02-03 08:52

带你读论文系列之计算机视觉--VGG

带你读论文系列之计算机视觉–VGG1卷积和池化卷积卷积只改变图片的深度（深度与卷积核个数相同），不改变图片的深度和高度（padding方式为SAME，即补零）卷积核的作用：inputimage-->convolutionkernel
进阶媛小吴·2023-02-03 08:46

计算机视觉学习之-AlexNet原理及tensorflow实现

AlexNet有6千万个参数，65万个神经元，由5个卷积层和3个全连接层，一些卷积层后面还跟着一个最大池化层，还有一个最后的1000分类的softmax层。
interstellar-ai·2023-02-03 08:31

1x1卷积、Inception网络、

目录1.1x1卷积(1x1convolution)又称网络中的网络(networkinnetwork)池化层只能压缩图像的宽和高，1x1卷积能压缩通道数量，减少计算成本。
劳埃德·福杰·2023-02-03 08:53

Openmmlab学习笔记

神经网络：拟合能力很强的函数权重、偏置值、非线性激活函数、输出层及softmax激活函数1.3卷积神经网络卷积层：输入图像像素与卷积核进行卷积输出（变形：边缘填充、步长、空洞）激活层：常使用非线性激活函数池化层
Benedicite·2023-02-03 08:52

卷积神经网络（CNN）

BP神经网络简介信息的正向传播与误差的反向传播梯度下降算法修正权值收敛慢，冗余，过拟合卷积神经网络存在包含卷积层与子抽样层的特征抽取器，整个网络由三部分组成：输入层(INPUT)，n个卷积层与子抽样层（池化层
_不知年·2023-02-03 01:10

【Keras】学习笔记11：深度学习卷积神经网络（CNN）的原理知识

3.1案例3.2图像输入3.3提取特征3.4卷积（convolution）3.5池化（Pooling）3.6激活函数RelU(RectifiedLinearUnits)3.7深度神经网络3.8全连接层(
Zking~·2023-02-02 18:02

【深度学习】常见的神经网络层（下）

❤️给大家推荐一款很火爆的刷题、面试求职网站【深度学习】常见的神经网络层（上）之前的文章讲述了全连接层、二维卷积层、池化层，接下来继续讲解常见的神经网络层（BN层、dropout层、flatten层）。
knighthood2001·2023-02-02 16:34

Strip pooling图像分割涨点神器

文章目录前言一、模型结构二、使用步骤1.StripPooling模块2.结合残差总结前言文章地址SPNet．源码Code，讲解这篇文章的人太多了，这边就不详细讲了．主要讲讲里面很有趣的一个点子，条状池化
深度炼丹网络·2023-02-02 13:34

深度学习2.1-有效神经网络的案例（第二周）

这节展示有效神经网络若干案例的研究，上周的案例研究，我们了解了基本的构建块，例如卷积层、池化层、和完全连接层。
ygl_9913·2023-02-02 12:13

图神经网络（四）图分类（2）基于层次池化的图分类

图神经网络（四）图分类（2）基于层次池化的图分类4.2基于层次化池化的图分类4.2.1基于图坍缩的池化机制1.图坍缩2.DIFFPOOL3.EigenPooling（1）图坍缩（2）池化操作4.2.2基于
炎武丶航·2023-02-02 11:40

python算法专项（十一）——ResNet网络搭建，抽取图片语义向量

参考链接：1、ResNet介绍2、resnet50结构图根据上面参考链接有两处纠错，如下图：1、介绍的表格里，最下面平均值池化应该是7*7才对，否则验证的时候结果输出不正确2、resnet50网络结构图的时候第一层应该是
鸿儒517·2023-02-02 07:49

项目实训（七）—场景视频切割

（1）首先采用一个边界网络（BNet）对镜头的差异与关系进行提取，BNet由两个分支网络构建，Bd捕捉镜头前后两幕的差异，Br用于捕捉镜头关系，由一个卷积加一个最大池化层构建。
weixin_46449172·2023-02-01 23:43

pytorch入门笔记

（数据可视化）2.tensorforms（数据处理）3.torchvision（数据集下载）4.dataloade二、pytorch模型介绍1.卷积1.1卷积在数字上的应用1.2卷积在图片上的应用2.池化
x秀x·2023-02-01 23:08

2020-NeurIPS-Path Integral Based Convolution and Pooling for Graph Neural Networks

NeurIPS-PathIntegralBasedConvolutionandPoolingforGraphNeuralNetworksPaper:https://arxiv.org/abs/2006.16811Code:基于路径积分的图神经网络卷积与池化图神经网络将传统神经网络的功能扩展到图结构数据
发呆的比目鱼·2023-02-01 21:26

2019-arXiv-Edge Contraction Pooling for Graph Neural

/1905.10990Code:https://github.com/pyg-team/pytorch_geometric/tree/master/benchmark/kernel图神经网络的边缘收缩池化池化层可以使
发呆的比目鱼·2023-02-01 21:56

Towards Sparse Hierarchical Graph Classifiers

文章目录1动机2相关工作3模型卷积层池化层readout层4实验论文：TowardsSparseHierarchicalGraphClassifiers稀疏层次图分类器的研究来源：NIPS2018Workshop
不务正业的土豆·2023-02-01 21:56

2018-NIPS-Towards Sparse Hierarchical Graph Classifiers

NIPS-TowardsSparseHierarchicalGraphClassifiersPaper:https://arxiv.org/abs/1811.01287Code:对稀疏分类分级图作者提出以往的图分类方法中通常使用单个全局池化步骤来聚合节点特征或手动设计的固定启发式算法
发呆的比目鱼·2023-02-01 21:26

2019-ICML-Towards Graph Pooling by Edge Contraction

https://graphreason.github.io/papers/17.pdfCode:https://github.com/Jiajia43/pytorch_geometric通过边收缩实现图池化池化层可以使
发呆的比目鱼·2023-02-01 21:26

深度学习入门-卷积神将网络(CNN)

深度学习入门-卷积神将网络(CNN)整体结构CNN与之前的神将网络不同的是，CNN中新出现了卷积层（Convolution层）和池化层（Pooling层）。
侯一鸣Supermonkey·2023-02-01 19:59

pytorch学习笔记8-神经网络实战

的使用使用SummaryWriter中的add_graph()展示model正文CIFAR-10模型模型结构及卷积参数计算CIFAR10数据集中每张图片有三个通道，高和宽是32*32的，经过三次卷积和最大池化
ThreeS_tones·2023-02-01 19:58

如何设计一个线程池？

使用线程池好处：降低资源消耗：通过池化技术重复利用已创建的线程，降低线程创建和销毁造
zhubaba·2023-02-01 18:17

粗读《Python 深度学习》（4）

粗读《Python深度学习》（4）第五章深度学习用于计算机视觉5.1卷积神经网络简介5.1.1卷积运算5.1.2最大池化运算5.2在小型数据集上从头开始训练一个卷积神经网络5.2.1深度学习与小数据问题的相关性
猎猫骑巨兽·2023-02-01 17:43

第三次作业：卷积神经网络基础

文章目录一、视频学习第一部分：卷积神经网络相关概念概括卷积池化全连接小结第二部分：卷积神经网络典型结构发展历程AlexNetVGG16GoogleNetResNet疑问二、代码练习（一）练习1MNIST
in&de·2023-02-01 17:10

机器学期第一学期小结

卷积神经网络的基本单元：卷积层、Kernel-size、Zero-padding、池化层、非线性激活函数、全连接层LetNet网络结构：AlexNet网络结构：Vgg网络结构：RestNet网络结构：具体实现代码在仓库
Qin_xian_shen·2023-02-01 17:35

深度卷积神经网络、池化层、为什么使用卷积、残差网络

目录1.深度卷积神经网络(adeepconvolutionalneuralnetwork)输入图像的维度是，如果，计算输出图像维度公式：。s表示步幅，p表示填充的层数。filters的通道数是和输入图像的通道数保持一致的。分析上图案例：第一层卷积：(39+0-3)/1+1=37。即经过每一个filter卷积后，输出维度是37x37x1，由于有10个filters，所以最后输出为37x37x10。第
劳埃德·福杰·2023-02-01 15:15

卷积与池化层区别&YOLOV3三问三答

卷积神经网络由卷积核来提取特征，通过池化层对显著特征进行提取，经过多次的堆叠，得到比较高级的特征，最后可以用分类器来分类。
青春须早为,岂能长少年·2023-02-01 15:01
上一页 25 26 27 28 29 30 31 32 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他