MPLS网络模型

【论文】AMC:AutoML用于移动设备上的模型压缩和加速

摘要模型压缩是在计算资源有限且功率预算紧张的移动设备上高效部署神经网络模型的有效技术。
weixin_50862344·2023-02-05 23:07

毕设 卷积神经网络手写字符识别 - 深度学习

2LeNet-5模型的介绍2.1结构解析2.2C1层2.3S2层S2层和C3层连接2.4F6与C5层3写数字识别算法模型的构建3.1输入层设计3.2激活函数的选取3.3卷积层设计3.4降采样层3.5输出层设计4网络模型的总体结构
DanCheng-studio·2023-02-05 20:52

ImageNet Classification with Deep Convolutional Neural Networks

文章想要解决的问题训练具有强大学习能力的深度卷积神经网络模型提高训练速度面对更大规模的数据集，如何有效避免过拟合该文章的重要意义在于其在ImageNet比赛中以巨大的优势击败了其它非神经网络的算法，在此之前
m0_59813726·2023-02-05 19:40

目标检测算法 YOLOv8 原理解析｜包揽目标检测、实例分割 SOTA

文章目录YOLOv8算法简介YOLOv8概述YOLOv8算法特点YOLOv8网络模型结构图YOLOv8网络模型结构设计YOLOv8效果YOLOv8和YOLOv5之间的综合比较YOLOv8和YOLOv5目标检测模型对比
芒果汁没有芒果·2023-02-05 18:05

Pytorch forward方法调用原理

  在使用Pytorch自定义网络模型的时候，我们需要继承nn.Module这个类，然后定义forward方法来实现前向转播。
Puppy_L·2023-02-05 18:58

如何在GPU上训练模型

GPU上训练模型和CPU上操作差不多，只需把驱动改为GPU即可方法1：在网络模型、数据(输入inputs，标注targ
Luwis-Coco·2023-02-05 17:48

使用Pytorch构建网络时，损失函数需要迁移到GPU上吗？

构建网络时，需要主动to或cuda的包括模型输入tensor，以及对应的Module(网络模型)对象。
zcshiguangji·2023-02-05 17:18

利用GPU训练

在下面模块添加GPU操作语句：1.神经网络模型#搭建神经网络classGu(nn.Module):def__init__(self):super(Gu,self).
tiny_PIkid·2023-02-05 17:47

利用GPU训练网络模型

文章方式一方式二本文章中使用的网络模型架构图：GPU训练有两种方式：方式一使用gpu训练只要找到：网络模型、数据（输入和标注）、损失函数再调用.cuda()即可。
booze-J·2023-02-05 17:47

基于机器学习的数字电表数字识别二（源码+数据集）

训练集和测试集按如此划分好，接下来就构建机器学习的网络模型了，首先给出SVM。importnumpyasnpfromtqdmimporttqdmimportglobi
～JT·2023-02-05 14:00

深度学习语言模型(3)-word2vec负采样(Negative Sampling) 模型(keras版本)

目录:深度学习语言模型(1)-word2vec的发展历程深度学习语言模型(2)-词向量，神经概率网络模型(keras版本)深度学习语言模型(3)-word2vec负采样(NegativeSampling
姚贤贤·2023-02-05 11:02

PIL,Skimage,OpenCV对图像处理的差异

一，PIL,Skimage,OpenCV是对图像处理的一些常用的库，一般进行深度学习前，都需要把图像或图片转换成数组ndarray格式，再按照tensor形式送入网络模型进行训练，在进入网络前，进行图片的读取
AI剑客·2023-02-05 11:39

【计算机网络模型、客户端与服务端请求与解析过程、宏观的角度分析客户端与服务端发送消息的全过程解析】

一.计算机网络模型1.1OSI和TCP/IP协议以及网络分层的思想OSI：开放系统互联参考模型(OpenSystemInterconnect)TCP/IP:传输控制协议/网际协议(TransmissionControl
硕风和炜·2023-02-05 10:57

SimCLR图像分类——pytorch复现

SimCLR图像分类pytorch复现一、网络模型、损失函数1.原理2.code二、配置文件三、无监督学习数据加载四、无监督训练五、有监督训练六、训练并查看过程七、验证集评估八、自定义图片测试一、网络模型
朽一·2023-02-05 10:53

图像分类网络模型框架解读

分类网络的基本结构数据加载RGB数据ORBGR数据JPEG编码后的数据torchvision.datasets中的数据集torch.utils.data下的Dataset,DataLoader自定义数据集数据增强为什么需要数据增强？在图像分类过程中，为了能够提高分类准确率，一般都需要对图像进行一定程度上增强。否则会导致出现模糊现象。数据增强的时候需要注意什么？首先，在进行数据增强过程中，一定要确保
mbws__·2023-02-05 09:29

Pytorch 学习笔记（2）-使用和修改已有的网络

Pytorch官网上给我们提供了很多已训练好或未训练的网络模型，我们可以直接来进行使用importtorchvision.modelsasmodelsresnet18=models.resnet18()
周子禹·2023-02-05 09:45

先有网络模型的使用及修改

文章先有网络模型的使用先有网络模型的修改（如何利用现有的网络去改动它的一个结构）1.添加网络层2.直接修改网络先有网络模型的使用使用示例代码：importtorchvisionfromtorchimportnn
booze-J·2023-02-05 09:43

【pytorch】线性神经网络

除了使用自己定义模型的方法，也可以用torch提供的神经网络模型。可以将其理解为只有输入层和输出层的全连接网络。
李峻枫·2023-02-05 09:09

改神经网络模型的方法（1）

《BagofTricksforImageClassificationwithConvolutionalNeuralNetworks(2018)》，论文中以ResNet为例提出了一些简单的微调技巧，并且取得了一定的成果。且不说准确率如何，论文中除了分析准确率有着怎样怎样的提升之外，还关注了产生了额外开销，并且通过分析、实验量化了这些开销，这是值得肯定的（比那些不考虑开销，盲目微调，通过牺牲很多速度来
业余科了个研·2023-02-05 08:53

现有网络模型的使用及修改

VGG分类模型常用的是VGG16和VGG19这里以VGG16为例VGG16有两个参数：pretrained：如果为true下载的网络模型中的参数在ImageNet数据集中已经训练好。
荭凯·2023-02-05 08:52

[VGG16模型]现有网络模型的使用与修改的学习 及ImageNet 数据集的下载

本文以vgg16为例，来学习现有网络模型的使用与修改。除此之外还提及到了ImageNet数据集的学习，和ImageNet数据集的下载方面的一些问题。
晓亮.·2023-02-05 08:51

[VGG模型] 神经网络模型的保存与读取

本文以VGG16模型为例，来学习神经网络模型的保存与读取，其中网络模型的读取有两种方法，对应的网络模型的读取也有两种方法，下面来一一学习。
晓亮.·2023-02-05 08:51

网络模型的保存和读取

先新建一个网络模型：importtorchvisionvgg16=torchvision.models.vgg16(pretrained=False)pretrained=False意思是该网络模型是初始没有经过训练的
放牛儿·2023-02-05 08:21

现有网络模型的使用和修改

#False,下载的是网络模型，默认参数#vgg16_false=torchvision.models.vgg16(pretrained=False)#True,下载的是网络模型，并且在数据集上面训练好的参数
爱吃榴莲的妹妹·2023-02-05 08:20

现有网络模型的使用和修改

1、参数pretrained为false和true时的区别vgg16_false=torchvision.models.vgg16(pretrained=False)#False,下载的是网络模型，默认参数
深浅卡布星·2023-02-05 08:50

iOS开发也要了解的网络相关

四次挥手，具体怎么挥手，为什么要比握手时多一次TCP如何保证是可靠传输HTTPS具体如何加密的OSI七层模型与TCP/IP四层模型网络模型.png数据链路层：ARP协议和RARP协议，实现IP地址和物理地址
coderLZ·2023-02-05 06:49

神经网络基础部件-参数初始化详解

一，参数初始化概述我们知道神经网络模型一般是依靠随机梯度下降优化算法进行神经网络参数更新的，而神经网络参数学习是非凸问题，利用梯度下降算法优化参数时，网络权重参数的初始值选取十分关键。
嵌入式视觉·2023-02-05 01:20

项目搭建

MVC三层结构ModelviewController六个文件view(视图):jspmodel（模型层）:daodaoImplserviceserviceImplController（控制层）:servletidea
白露为霜_l·2023-02-04 22:38

【毕业设计】基于卷积神经网络的植物花卉识别系统

模型训练代码：卷积神经网络模型训练代码，
毕设论文辅导·2023-02-04 20:49

基于深度学习算法U2Net网络架构的图像分割系统

演示视频和项目地址（都在B站）：【图像分割毕业设计】基于深度学习算法U2Net的图像分割系统演示系统说明：基于深度学习算法和U2Net网络模型实现图像分割功能。
毕设论文辅导·2023-02-04 20:49

理解深度学习中的序列（sequence）以及RNN，CNN介绍

为什么需要RNN（循环神经网络）或者CNN（卷积神经网络）处理序列数据因为普通的神经网络模型处理定长的数据或者数据输入规模固定，不可变，所以具有一定局限性。
夏子期lal·2023-02-04 17:42

NLP：预训练+转移学习

#pre-trained目前神经网络在进行训练的时候基本都是基于后向传播（BP）算法，通过对网络模型参数进行随机初始化，然后通过BP算法利用例如SGD这样的优化算法去优化模型参数。
Dawn_www·2023-02-04 16:57

分割网络模型（DeepLab V1、DeepLab V2、PSPNet、DeepLab V3、DeepLab V3+)

1、DeeplabV1《SemanticImageSegmentationwithDeepConvolutionalNetsandFullyConnectedCRFS》http://arxiv.org/pdf/1412.7062v3.pdf由于卷积神经网络在提取特征时会将输入图像逐渐缩小，featuremap变小形成高级别的特征对分割任务并不适用，DeepLab采用了空洞卷积替换传统的卷积和ful
THE@JOKER·2023-02-04 15:12

基于opencv4.5的C++实现人脸检测模型测试

@[TOC]基于opencv4.5的C++实现人脸检测模型测试opencv的库文件里自带了训练好的dnn网络模型，python环境下人脸检测对于大多数人来说确实简单。
qq_41903550·2023-02-04 14:28

OpenMMLab学习笔记二

1.图像分类的两大步骤，一是模型设计，选择各种神经网络模型，使用resnet18可以满足很多需求了，二是模型学习，可以通过标注的数据集训练的监督学习，也可以采用自监督学习方式。
mypetuous·2023-02-04 12:22

PyTorch学习笔记（16）--在GPU上实现神经网络模型训练

PyTorch学习笔记（16）–在GPU上实现神经网络模型训练    本博文是PyTorch的学习笔记，第16次内容记录，主要介绍如何在GPU上实现神经网络模型训练。
我这一次·2023-02-04 10:56

神经网络模型压缩技术

一、当前的模型压缩方法主要有6类：网络剪枝、参数共享、量化、网络分解、网络蒸馏、紧凑网络设计。1.网络剪枝在网络训练过程中寻求一种评判机制，剔除掉不重要的连接、节点甚至卷积核，达到精简网络结构的目的。很多实验表明卷积层到全连接层存在大量冗余参数，大多是神经元被激活后的输出值区域为0，即使将这些神经元剔除也能够表达出模型特征2.参数共享主要思想是让网络中多个参数共享同一值，但具体实现方式不同。如利用
一顿能吃五大海碗啊啊啊·2023-02-04 10:26

pytorch学习笔记12-完整的模型训练套路

目录模型训练步骤各步骤如下argmax用法完整模型训练代码输出结果（部分）小细节模型训练步骤各步骤如下1.准备数据集2.查看数据集大小3.用dataloader加载数据集4.创建网络模型（一般存为一个model
ThreeS_tones·2023-02-04 10:50

神经网络模型量化（Quantization）

模型部署系列文章目录##模型优化系列文章模型量化模型压缩提示：根据作者认知及理解加深，博文会迭代更新，目前贴出来的难免有纰漏，希望能够与读者互动改进文章目录模型部署系列文章目录`提示：根据作者认知及理解加深，博文会迭代更新，目前贴出来的难免有纰漏，希望能够与读者互动改进`前言一、模型量化（Quantization）概念二、模型量化方法1.训练后量化（PTQ/PostTraningQuantizat
alibote·2023-02-04 10:50

OpenmmLab实战课第二节

这节课主要学习了图像分类，从传统的特征工程再到特征学习；接着学习了卷积神经网络模型的发展历程，了解了多种的卷积神经网络模型；接下来详细介绍了更强的图像分类模型，如神经结构搜索、VIsionTransforms
@zhou·2023-02-04 10:48

pytorch学习笔记13-利用GPU训练

GPU训练方式1方式1如何操作完整代码结果如果电脑上没有GPU，可以使用Google的colabGPU训练方式2方式2如何操作完整代码用Googlecolab的输出GPU训练方式1方式1如何操作找到神经网络模型
ThreeS_tones·2023-02-04 10:47

反向传播算法(过程及公式推导)_深度学习（Deep Learning）系列三：使用伴随法推导反向传播...

1.简介根据本系列之前两篇文章（神经网络简介，随机梯度下降与反向传播）的介绍，我们再回顾一下使用神经网络模型来完成监督学习任务的整个过
weixin_39984963·2023-02-04 10:38

OpenMMLab AI 实战营观课笔记第二节

这节课主要学习了图像分类，从传统的特征工程再到特征学习；接着学习了卷积神经网络模型的发展历程，了解了多种的卷积神经网络模型；接下来详细介绍了更强的图像分类模型，如神经结构搜索、VIsionTransforms
G968574321·2023-02-04 09:08

神经网络(Neural Networks)简介

文章目录前言一、神经网络的提出二、神经网络模型1.模型引入2.模型案例三、多类分类总结前言一、神经网络的提出线性回归和逻辑回归都只适合用于特征比较少的情况，当特征太多时，计算的负荷会非常大eg:训练一个模型来识别视觉对象
风间琉璃•·2023-02-04 09:34

计算机视觉框架OpenMMLab开源学习（二）：图像分类

图像分类图像分类任务：常见分类网络模型：参考这篇：https://blog.csdn.net/qq_36816848/article/details/123003778最新分类网络模型MMClassification
GoAI·2023-02-04 09:16

drop out 为什么能够防止过拟合

其中，dropout主要用在神经网络模型中，那么它为什么可以减小过拟合呢？1.类似取平均值的作用。
没有功率·2023-02-04 08:43

第三节:Keras深度学习框架实战之构建网络模型UNet

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的网络模型
BBM的开源HUB·2023-02-04 07:44

NumPy教程及简单介绍&操作

使用飞桨构建神经网络模型时，通常会使用NumPy实现数据预处理和一些模型指标的计算，飞桨中的Tensor数据可以很方便的和ndarray数组进行相互转换。
努力向前的JF（s1hjf）·2023-02-04 07:09

OpenMMLab实战营第二课打卡

卷积神经网络介绍AlexNet、VGG、GoogLeNet、ResNet网络模型，并讲述了精度退化问题。
素手披薄衣·2023-02-04 07:56

keras实现简单lstm_LSTM的时序应用

RNN是一种使用类似链表的形式、具有一定记忆能力的网络模型。对于具有序列性的样本数据，记住过去的信息对预测当前状态是非常必要的。
weixin_39892481·2023-02-04 07:55
上一页 59 60 61 62 63 64 65 66 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他