08 2020 档案

摘要：一、绪论 1、应用 语音问答、机器翻译、股票预测、作诗作词、模仿写论文/代码、图像理解、视觉问答 2、循环神经网络vs卷积神经网络 传统神经网络，卷积神经网络，输入和输出是相互独立的 RNN可以更好的处理具有时序关系的任务 RNN通过其循环结构引入“记忆”的概念 二、基本结构 深度RNN 双向RNN 阅读全文

摘要：一、代码练习 1.HybridSN class_num = 16 class HybridSN(nn.Module): def __init__(self): super(HybridSN, self).__init__() # conv1：（1, 30, 25, 25）， 8个 7x3x3 的卷积 阅读全文

摘要：1、代码练习 MobileNetV1 网络 class Block(nn.Module): '''Depthwise conv + Pointwise conv''' def __init__(self, in_planes, out_planes, stride=1): super(Block, 阅读全文

摘要：二、代码练习 1、MNIST 数据集分类 卷积神经网络（CNN） 深度卷积神经网络中，有如下特性 很多层: compositionality 卷积: locality + stationarity of images 池化: Invariance of object class to transla 阅读全文