论文解析:Inception_V2(Batch Normalization)

本文已参与「新人创作礼」活动,一起开启掘金创作之路。 Incepiont_V2(Batch Normalization)痛点 当我们使用SGD来更新神经网络的参数时,默认隐含着一个最基本的假设:minibatch上的数据分布和原始数据集中的数据分布是类似(一致)的,我们可以通过在minibatch上计算参数的梯度来更新网络对整个数据集的参数。那如果测试时数据的原始分布发生了较大...

Docker 部署深度学习 运行deeplabV3

文章目录 前言一、Docker简介二、帮助命令三、镜像常用命令四、容器常用命令五、配置深度学习环境六、运行deeplabV3代码七、提交容器,保存镜像总结 前言 本文主要介绍docker发展历史,常用的镜像,容器命令。以及部署深度学习环境,运行deeplabV3 项目。 一、Docker简介 2010...

目标检测系列——Faster R-CNN原理详解

theme: fancy 目标检测系列——Faster R-CNN原理详解写在前面  前文我已经介绍过R-CNN、Fast R-CNN的原理,具体内容可以点击下面链接阅读。【注:阅读此篇之前建议对R-CNN和Fast R-CNN有一定的了解】 目标检测系列——开山之作RCNN原理详解🌱目标检测系列——Fast R-CNN原理详解🌱   Faster R-CNN算是这个目标...

深度学习从理论到实践—logistic 回归(1)

一直以来想做一系列关于深度学习的分享,由于之前工作节奏紧张,属于个人时间比较少,再加上自己对深度学习认识有限,所以分享的内容相对比较零散,且内容也没有经过推敲,所以分享内容质量普遍一般。这一次借着《掘金技术社区签约计划第二期》东风,自己也想好好写几篇文章从而检验一下最近自己在写作上、表达上是否有所进步 今天将会聊点什么呢? 关于今天想要聊的,都一一这里列出 Logistic ...

论文解析:DRAW

本文已参与「新人创作礼」活动,一起开启掘金创作之路。 DRAW《DRAW: A Recurrent Neural Network For Image Generation》 整体介绍 本文介绍了一种基于循环注意力网络和VAE的生成网络,作者最基本的灵感来源来自于人眼在对事物进行观察时的机理,我们往往并并不是一次观测就获得了事物的全部信息,而是每次都只观测一小部分,通过不断的观测...

GID:旷视提出全方位的检测模型知识蒸馏 | CVPR 2021

论文: General Instance Distillation for Object Detection 论文地址:https://arxiv.org/abs/2103.02340v2 Introduction  在目标检测应用场景中,模型的轻量化和准确率是同样重要的,往往需要在速度和准确率之间权衡。知识蒸馏(Knowledge Distillation)是解决上述问题...

论文解析:SCA-CNN

本文已参与「新人创作礼」活动,一起开启掘金创作之路。 SCA-CNN《SCA-CNN: Spatial and Channel-wise Attention in Convolutional Networksfor Image Captioning》 总体介绍 文章认为CNN具有三个非常重要的性质,channel,spatial,multilayer,但是现有的基于注意力机制的...

Keras深度学习实战——基于VGG19模型实现性别分类

Keras深度学习实战——基于VGG19模型实现性别分类 0. 前言1. VGG19 架构简介2. 使用预训练 VGG19 模型进行性别分类2.1 构建输入与输出数据2.2 模型构建与训练2.3 模型错误分类示例 相关链接 0. 前言 在《迁移学习》中,我们了解了利用迁移学习,只需要少量样本即可训练得到性能较好的模型;...