随笔分类 -  人工智能

DenseNet实现
摘要：稠密块 DenseNet使用了ResNet改良版的“批量归一化、激活和卷积”结构，我们首先在conv_block函数里实现这个结构。 import time import torch from torch import nn, optim import torch.nn.functional as 阅读全文
posted @ 2022-07-19 11:02 coline 阅读(190) 评论(0) 推荐(0)
ResNet实现
摘要：残差块 import time import torch from torch import nn,optim import sys sys.path.append("./Dive-into-DL-PyTorch-master/Dive-into-DL-PyTorch-master/code/") 阅读全文
posted @ 2022-07-19 10:56 coline 阅读(62) 评论(0) 推荐(0)
GoogleNet实现
摘要：Inception 块 Inception块中可以自定义的超参数是每个层的输出通道数，我们以此来控制模型复杂度 import time import torch from torch import nn,optim import torch.nn.functional as F import sys 阅读全文
posted @ 2022-07-19 10:46 coline 阅读(53) 评论(0) 推荐(0)
VGG实现
摘要：- VGG提出了可以通过重复使用简单的基础块来构建深度模型的思路。 VGG块 对于给定的感受野（与输出有关的输入图片的局部大小），采用堆积的小卷积核优于采用大的卷积核，因为可以增加网络深度来保证学习更复杂的模式，而且代价还比较小（参数更少）。例如，在VGG中，使用了3个3x3卷积核来代替7x7卷积核 阅读全文
posted @ 2022-07-19 10:35 coline 阅读(221) 评论(0) 推荐(0)
AlexNet实现
摘要：端到端：神经网络可以直接基于图像的原始像素进行分类。这种称为端到端（end-to-end）的方法节省了很多中间步骤 特征分级表示：多层神经网络中，图像的第一级的表示可以是在特定的位置和⻆度是否出现边缘；而第二级的表示说不定能够将这些边缘组合出有趣的模式，如花纹；在第三级的表示中，也许上一级的花纹能进 阅读全文
posted @ 2022-07-19 10:22 coline 阅读(94) 评论(0) 推荐(0)
VIT
摘要：AN IMAGE IS WORTH 16*16 WORDS: TRANSFORM FOR IMAGE RECOGNITION AT SCALE 1 . ABSTRACT： 在计算机视觉中，注意力和卷积神经网络一起使用，或者用来替代神经网络的某些组件，同时保持总的结构不会发生变化。 在分类任务中，将图 阅读全文
posted @ 2022-04-07 22:40 coline 阅读(858) 评论(0) 推荐(0)