摘要：
### 对于牛顿法的理解，从泰勒展开入手 为什么牛顿法在学习率选取适当的时候，优化效率会优于梯度下降： 
评论(0)
推荐(0)
摘要：
### V1 可分离卷积（深度卷积depthwise+逐点卷积pointwise）  最主要就是为了减少参数量，而且准确率差得不多 
评论(0)
推荐(0)
摘要：
作者：刘佳恒 转载： [(99+ 封私信 / 80 条消息) 2022 年，计算机视觉领域有哪些推荐的研究方向? - 知乎 (zhihu.com)](https://www.zhihu.com/question/496500060) 目前想到的有如下方向，排名不分先后，欢迎大家讨论。 1. 自监督： 阅读全文
posted @ 2023-06-08 21:30
tourbillon007
阅读(59)
评论(0)
推荐(0)
摘要：
#### 对于adagrad的理解 [“随机梯度下降、牛顿法、动量法、Nesterov、AdaGrad、RMSprop、Adam”，打包理解对梯度下降法的优化_哔哩哔哩_bilibili](https://www.bilibili.com/video/BV1r64y1s7fU/?spm_id_fro 阅读全文
posted @ 2023-06-08 21:28
tourbillon007
阅读(197)
评论(0)
推荐(0)
浙公网安备 33010602011771号