Image Process

摘要： ReLU上的花样 CNN出现以来，感觉在各个地方，即便是非常小的地方都有点可以挖掘。比如ReLU。 ReLU的有效性体现在两个方面： 克服梯度消失的问题 加快训练速度 而这两个方面是相辅相成的，因为克服了梯度消失问题，所以训练才会快。 ReLU的起源，在这片博文里，对ReLU的起源的介绍已经很详细了 阅读全文

摘要： mxnet的卷积 kernel = 3 pad=1边界补充0后，不管stride是否1还是2，imgw = 奇数或者偶数， 都是从图像位置(0,0)开始卷积 tensorlfow的卷积 kernel = 3 pad=‘SAME’边界补充0后， imgw = 偶数 stride=1， 是从图像位置(0 阅读全文

摘要： 输入输出图像大小的计算 此段内容引自我翻译的一篇文章 上面的内容可能会使你混淆每一层的输出尺寸。 所以我决定使用下面的内容让你能够识别输出尺寸。 在卷积层中,有三个关键控制着输出尺寸的大小 我们可以应用一个简单的公式来计算输出尺寸。 输出图像的空间大小可以计算(W-F + 2 p / S)+ 1。 阅读全文

摘要： Convolution Network及其变种（反卷积、扩展卷积、因果卷积、图卷积） 阅读全文

摘要： #coding:utf-8 ''' 卷积计算 ''' import mxnet as mx from mxnet.gluon import nn from mxnet import ndarray as nd # 卷积层 # 输入输出的数据格式是： batch * channel * height * width # 权重格式：output_channels * in_channels *... 阅读全文

摘要： Group Normalization Group Normalization 2018年03月26日 18:40:43 阅读数：1351 2018年03月26日 18:40:43 阅读数：1351 阅读数：1351 FAIR 团队，吴育昕和恺明大大的新作Group Normalization。 主 阅读全文

摘要： ResNet之Deeper Bottleneck Architectures ResNet之Deeper Bottleneck Architectures 2016年12月28日 22:17:48 阅读数：2350 2016年12月28日 22:17:48 阅读数：2350 阅读数：2350 去年的 阅读全文

摘要： python showmxmodel.py 2>&1 | tee log.txtresult is('stage3_unit2_bn1_beta', (256L,))('stage3_unit2_bn3_beta', (256L,))('stage3_unit11_bn1_gamma', (256L 阅读全文

摘要： ResNets和Inception的理解 ResNet解析 阅读全文

摘要： https://blog.csdn.net/qq_25737169/article/details/79048516 https://www.cnblogs.com/bonelee/p/8528722.html Notes on Batch Normalization Notes on Batch 阅读全文