- 文章包括四个主要内容:卷积、卷积层、池化层以及卷积神经网络中的反向传播原理。在卷积部分的介绍中,作者介绍了卷积的定义、有效卷积和相同卷积、跨步卷积、3D卷积。在卷积层部分,作者阐述了连接切割和参数共享对降低网络参数学习量的作用。在池化层部分,作者介绍了池化的含义以及掩膜的使用。自动驾驶、智能医疗、智能零售,这些曾被认为不可能实现的事情,在计算机视觉技术的帮助下,终于在最近成为了现实。今天,自... 文章包括四个主要内容:卷积、卷积层、池化层以及卷积神经网络中的反向传播原理。在卷积部分的介绍中,作者介绍了卷积的定义、有效卷积和相同卷积、跨步卷积、3D卷积。在卷积层部分,作者阐述了连接切割和参数共享对降低网络参数学习量的作用。在池化层部分,作者介绍了池化的含义以及掩膜的使用。自动驾驶、智能医疗、智能零售,这些曾被认为不可能实现的事情,在计算机视觉技术的帮助下,终于在最近成为了现实。今天,自...
- I. 引言图像分类是计算机视觉领域中的重要任务,其目标是将输入图像分为不同的类别。卷积神经网络(CNN)作为图像分类任务中的重要算法,近年来取得了巨大成功。本文将深入探讨图像分类算法的演进过程,从传统的CNN到迁移学习的应用,通过实例和代码解释,带领读者理解算法原理和实践过程。 II. 卷积神经网络(CNN)的基础概念 1. 什么是卷积神经网络?卷积神经网络是一种深度学习算法,专门用于处理... I. 引言图像分类是计算机视觉领域中的重要任务,其目标是将输入图像分为不同的类别。卷积神经网络(CNN)作为图像分类任务中的重要算法,近年来取得了巨大成功。本文将深入探讨图像分类算法的演进过程,从传统的CNN到迁移学习的应用,通过实例和代码解释,带领读者理解算法原理和实践过程。 II. 卷积神经网络(CNN)的基础概念 1. 什么是卷积神经网络?卷积神经网络是一种深度学习算法,专门用于处理...
- 🍋引言本节介绍一下GoogleNet,首先说一下它的背景历史,GoogleNet是由Google研究员Christian Szegedy等人于2014年提出的深度卷积神经网络架构。它在当时的ImageNet图像分类挑战赛中取得了惊人的成绩,将错误率大幅度降低,标志着深度学习领域的一次巨大突破。🍋GoogleNet的架构GoogleNet之所以引人注目,是因为它采用了一种全新的架构,即In... 🍋引言本节介绍一下GoogleNet,首先说一下它的背景历史,GoogleNet是由Google研究员Christian Szegedy等人于2014年提出的深度卷积神经网络架构。它在当时的ImageNet图像分类挑战赛中取得了惊人的成绩,将错误率大幅度降低,标志着深度学习领域的一次巨大突破。🍋GoogleNet的架构GoogleNet之所以引人注目,是因为它采用了一种全新的架构,即In...
- 🍋引言当谈到深度学习和计算机视觉时,卷积神经网络(Convolutional Neural Networks,CNNs)一直是热门话题。CNNs是一类专门设计用于处理图像数据的深度学习神经网络,已经在许多领域取得了重大成功,如图像分类、目标检测、人脸识别和自动驾驶。本文将探讨卷积神经网络的基本原理、应用领域以及一些最新趋势。🍋卷积神经网络的基本原理卷积层(Convolutional La... 🍋引言当谈到深度学习和计算机视觉时,卷积神经网络(Convolutional Neural Networks,CNNs)一直是热门话题。CNNs是一类专门设计用于处理图像数据的深度学习神经网络,已经在许多领域取得了重大成功,如图像分类、目标检测、人脸识别和自动驾驶。本文将探讨卷积神经网络的基本原理、应用领域以及一些最新趋势。🍋卷积神经网络的基本原理卷积层(Convolutional La...
- AlexNet算法入门引言AlexNet是一个非常经典的卷积神经网络(Convolutional Neural Network, CNN),它由Alex Krizhevsky等人在2012年提出,并在ImageNet图像识别比赛中获得了很大的成功。AlexNet算法的出现标志着深度学习的兴起,并对后续的神经网络算法有着深远的影响。本篇文章将带你入门AlexNet算法的基本原理和实现。算法原理... AlexNet算法入门引言AlexNet是一个非常经典的卷积神经网络(Convolutional Neural Network, CNN),它由Alex Krizhevsky等人在2012年提出,并在ImageNet图像识别比赛中获得了很大的成功。AlexNet算法的出现标志着深度学习的兴起,并对后续的神经网络算法有着深远的影响。本篇文章将带你入门AlexNet算法的基本原理和实现。算法原理...
- 本文为生成对抗网络GAN的研究者和实践者提供全面、深入和实用的指导。通过本文的理论解释和实际操作指南,读者能够掌握GAN的核心概念,理解其工作原理,学会设计和训练自己的GAN模型,并能够对结果进行有效的分析和评估。 本文为生成对抗网络GAN的研究者和实践者提供全面、深入和实用的指导。通过本文的理论解释和实际操作指南,读者能够掌握GAN的核心概念,理解其工作原理,学会设计和训练自己的GAN模型,并能够对结果进行有效的分析和评估。
- 本文为实战篇,介绍图像风格迁移 本文为实战篇,介绍图像风格迁移
- 卷积神经网络是现代深度学习技术栈中重要的一环,本文就卷积神经网络的理论与实践进行展开讨论 卷积神经网络是现代深度学习技术栈中重要的一环,本文就卷积神经网络的理论与实践进行展开讨论
- 在深度学习的发展过程中,出现了很多经典的卷积神经网络,它们对深度学习的学术研究和工业生产都起到了巨大的促进作用,如VGG、ResNet、Inception和DenseNet等,很多投入实用的卷积神经都是在它们的基础上进行改进的。初学者应从试验开始,通过阅读论文和实现代码(tensorflow.keras.applications包中实现了很多有影响力的神经网络模型的源代码)来全面了解它们。下文简 在深度学习的发展过程中,出现了很多经典的卷积神经网络,它们对深度学习的学术研究和工业生产都起到了巨大的促进作用,如VGG、ResNet、Inception和DenseNet等,很多投入实用的卷积神经都是在它们的基础上进行改进的。初学者应从试验开始,通过阅读论文和实现代码(tensorflow.keras.applications包中实现了很多有影响力的神经网络模型的源代码)来全面了解它们。下文简
- NNIE 是Neural Network Inference Engine 的简称,是海思媒体 SoC 中专门针对神经网络特别是深度学习卷积神经网络进行加速处理的硬件单元,可以理解为 CNN 加速器。 NNIE 是Neural Network Inference Engine 的简称,是海思媒体 SoC 中专门针对神经网络特别是深度学习卷积神经网络进行加速处理的硬件单元,可以理解为 CNN 加速器。
- SSH(安全外壳协议 Secure Shell Protocol,简称SSH)是一种加密的网络传输协议,用于在网络中实现客户端和服务端的连接,典型的如我们在本地电脑通过 SSH 连接远程服务器。 SSH(安全外壳协议 Secure Shell Protocol,简称SSH)是一种加密的网络传输协议,用于在网络中实现客户端和服务端的连接,典型的如我们在本地电脑通过 SSH 连接远程服务器。
- 所谓模型剪枝,其实是一种从神经网络中移除"不必要"权重或偏差(weigths/bias)的模型压缩技术。本文深入描述了 pytorch 框架的几种剪枝 API,包括函数功能和参数定义,并给出示例代码。 所谓模型剪枝,其实是一种从神经网络中移除"不必要"权重或偏差(weigths/bias)的模型压缩技术。本文深入描述了 pytorch 框架的几种剪枝 API,包括函数功能和参数定义,并给出示例代码。
- 模型剪枝是应用非常广的一种模型压缩方法,其可以直接减少模型中的参数量。本文会对模型剪枝的定义、发展历程、分类以及算法原理进行详细的介绍。 模型剪枝是应用非常广的一种模型压缩方法,其可以直接减少模型中的参数量。本文会对模型剪枝的定义、发展历程、分类以及算法原理进行详细的介绍。
- 总结 YOLOv3 的改进点如下: 使用金字塔网络来实现多尺度预测,从而解决小目标检测的问题。 借鉴残差网络来实现更深的 Darknet-53,从而提升模型检测准确率。 使用 sigmoid 函数替代 softmax 激活来实现多标签分类器。 位置预测修改,一个 gird 预测 3 个 box。 总结 YOLOv3 的改进点如下: 使用金字塔网络来实现多尺度预测,从而解决小目标检测的问题。 借鉴残差网络来实现更深的 Darknet-53,从而提升模型检测准确率。 使用 sigmoid 函数替代 softmax 激活来实现多标签分类器。 位置预测修改,一个 gird 预测 3 个 box。
- YOLOv2 比 YOLOv1 的改进点 YOLOv2 比 YOLOv1 的改进点
上滑加载中
推荐直播
-
昇思MindSpore技术公开课·大模型专题(第二期)第十二课:Prompt Engineering
2024/03/31 周日 14:00-15:30
周汝霖 昇思MindSpore布道师
本期邀请到昇思MindSpore布道师、昇思十大优秀开发者周汝霖作客直播间,为大家讲解Prompt以及示例演示。Prompt Engineering(提示工程)可帮助用户将LLM(大语言模型)用于各研究领域和特定场景,从而更有助于我们了解和运用大模型,本期我们将学习这一新课题。
即将直播
热门标签