http://blog.sina.com.cn/u/5438469990
摘要: 本次主要分享,我们在神经网络模型部署上的其中一次探索,“tensorflow quantization-aware” 参考资源如下: “Quantizing deep convolutional networks for efficient inference: A whitepaper” ”Qua 阅读全文
posted @ 2020-03-05 13:28 Bob·li 阅读(1700) 评论(0) 推荐(0) 编辑
摘要: Libo1575899134@outlook.com Libo (原创文章,转发请注明作者) 本文章主要介绍Gan的应用篇,3,主要介绍图像应用,4, 主要介绍文本以及医药化学其他领域应用 原理篇请看上两篇 https://www.cnblogs.com/Libo-Master/p/11167804 阅读全文
posted @ 2019-07-16 16:53 Bob·li 阅读(250) 评论(0) 推荐(0) 编辑
摘要: Libo1575899134@outlook.com Libo (原创文章,转发请注明作者) 本文章主要介绍Gan的应用篇,3,主要介绍图像应用,4, 主要介绍文本以及医药化学其他领域应用 原理篇请看上两篇 https://www.cnblogs.com/Libo-Master/p/11167804 阅读全文
posted @ 2019-07-15 16:21 Bob·li 阅读(375) 评论(0) 推荐(0) 编辑
摘要: Libo1575899134@outlook.com Libo (原创文章,转发请注明作者) 本文章会先从Gan的简单应用示例讲起,从三个方面问题以及解决思路覆盖25篇GAN论文,第二个大部分会进一步讲Gan的所有领域应用 上一篇说到最近有人关于encoder给出了更加直观的解释: 从另一个角度理解 阅读全文
posted @ 2019-07-11 12:12 Bob·li 阅读(390) 评论(0) 推荐(0) 编辑
摘要: Libo1575899134@outlook.com Libo (原创文章,转发请注明作者) 本文章会先从Gan的简单应用示例讲起,从三个方面问题以及解决思路覆盖25篇GAN论文,第二个大部分会进一步讲Gan的所有领域应用 1: 下图GAN可以学到不同的字体,并且在字体之间进行不同的变换 2 下图可 阅读全文
posted @ 2019-07-11 09:34 Bob·li 阅读(654) 评论(0) 推荐(0) 编辑
摘要: 转载请注明本文链接: https://www.cnblogs.com/Libo-Master/p/9759130.html PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation PointNet++: 阅读全文
posted @ 2018-10-10 18:26 Bob·li 阅读(20755) 评论(3) 推荐(2) 编辑
摘要: 前言 我很长一段时间一直都在做自动驾驶的物体检测性能调优,所以想总结整理一些小网络和检测框架的经验。 文章会分成三个部分: 第一部分将参照知乎@YaqiLYU 对小网络(经典网络)的分析并且结合的自己的理解。 第二部分详细介绍目前state-of-art的主流检测框架。 第三部分介绍了目标检测的问题 阅读全文
posted @ 2018-10-09 08:40 Bob·li 阅读(1051) 评论(0) 推荐(0) 编辑
摘要: 前言 我很长一段时间一直都在做自动驾驶的物体检测性能调优,所以想总结整理一些小网络和检测框架的经验。 文章会分成三个部分: 第一部分将参照知乎@YaqiLYU 对小网络(经典网络)的分析并且结合的自己的理解。 第二部分详细介绍目前state-of-art的主流检测框架。 第三部分介绍了目标检测的问题 阅读全文
posted @ 2018-09-28 12:07 Bob·li 阅读(6067) 评论(0) 推荐(0) 编辑
摘要: 我很长一段时间一直都在做自动驾驶的物体检测性能调优,所以想总结整理一些小网络和检测框架的经验。 文章会分成三个部分: 第一部分将参照知乎@YaqiLYU 对小网络(经典网络)的分析并且结合的自己的理解。 第二部分详细介绍目前state-of-art的主流检测框架。 第三部分介绍了目标检测的问题及解决 阅读全文
posted @ 2018-09-25 14:03 Bob·li 阅读(7022) 评论(0) 推荐(2) 编辑
摘要: 动机: 目标:想要获得一个实时的模型,且尽可能的准确。 我们有一个大模型性能很好,但是很慢: 我们有个小模型速度很快,但是性能很差: 动机:面临的挑战 1、由于容量和能力,小模型很难达到一个很好的性能。 2、精确度和模型压缩之间的差距还是很大 3、物体检测比分类要困难得多: a、 标签的计算更加昂贵 阅读全文
posted @ 2018-09-18 15:46 Bob·li 阅读(7393) 评论(3) 推荐(2) 编辑