摘要： 因为这两周准备的考试较多，泛读论文还是有很多费解的地方，这两周考完试后会继续抓紧这方面的学习。 【BMVC2018】BAM: Bottleneck Attention Module 提出了放置在网络瓶颈处的瓶颈注意模块 (BAM)。模型通过两个分离的路径 channel和spatial, 得到一个A 阅读全文

摘要： 一、《MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications》 MobileNet是Google提出的一种小巧而高效的CNN模型，其在accuracy和latency之间做了折中。 Mobi 阅读全文

摘要： 现代卷积神经网络 AlexNet 在AlexNet的第一层，卷积窗口的形状是 11×11。 由于ImageNet中大多数图像的宽和高比MNIST图像的多10倍以上，因此，需要一个更大的卷积窗口来捕获目标。 第二层中的卷积窗口形状被缩减为 5×5，然后是 3×3。 此外，在第一层、第二层和第五层卷积层 阅读全文

摘要： 卷积神经网络 平移不变性（translation invariance）： 不管检测对象出现在图像中的哪个位置，神经网络的前面几层应该对相同的图像区域具有相似的反应，即为“平移不变性”。 局部性（locality）： 神经网络的前面几层应该只探索输入图像中的局部区域，而不过度在意图像中相隔较远区域的 阅读全文

摘要： 3.线性回归和softmax回归 线性回归 在机器学习领域中的大多数任务通常都与预测（prediction）有关。 当我们想预测一个数值时，就会涉及到回归问题。 线性回归（linear regression）在回归的各种标准工具中最简单而且最流行。它可以追溯到19世纪初。线性回归基于几个简单的假设： 阅读全文

摘要： 2.1数据操作 首先安装实验所需的d2l库 !pip install git+https://github.com/d2l-ai/d2l-zh@release 2.1.1关于张量的数据操作 首先导入torch torch.arrange(n)作用是生成一个0到n-1的行向量 通过张量的shape属性 阅读全文