linda1729
深度学习基础概念 深度学习基础概念
深度学习基础概念 本文记录一些卷积网络的基础概念,关于概览知识建议先看视频:https://www.jianguoyun.com/p/Da26fK0QrKKIBhi_0okGIAA 一、卷积的目标卷积层的任务是: 从图像中自动提取特征(
Swin Transformer 速记 Swin Transformer 速记
一、背景 在CV领域,近年来有两个主要的趋势: 传统的CNN已经非常成功,但在处理大分辨率图像、不同尺度物体、检测分割任务时还会有挑战。 受语言模型(例如 Transformer)的成功启发,“视觉 Transformer”(Vi
Vision Transformer 速记 Vision Transformer 速记
一、背景:从卷积到Transformer在计算机视觉领域,卷积神经网络长期占据主导地位。 从LeNet到ResNet,CNN通过卷积层在图像上滑动窗口,捕捉局部特征(如边缘、纹理、形状)。然而,CNN有两个主要限制: 局部性:卷积核一次只
Multi-Head Self-Attention 学习笔记 Multi-Head Self-Attention 学习笔记
一、什么是注意力机制(Attention)?当你看一张图片时,你不会一次性注意所有像素。比如看一只猫,你可能先注意它的头,再注意尾巴、背景等。 注意力机制就是让模型学会在不同部分之间分配关注度。 二、自注意力(Self-Attenti
SE Block 学习笔记 SE Block 学习笔记
理论可见:https://cloud.tencent.com/developer/article/1052599; 代码可见:https://gitee.com/gaopursuit/ouc-dl/blob/master/lab/wee
ShuffleNet 学习笔记 ShuffleNet 学习笔记
一、ShuffleNet 概述提出背景:MobileNet 使用 Depthwise Separable Conv 减少计算量,但在实际移动端(如 ARM CPU)中仍存在计算瓶颈(尤其是 1×1 卷积耗时多)。 ShuffleNet 的目
MobileNet 解析与倒残差设计 MobileNet 解析与倒残差设计
MobileNetMobileNet v1网络详解传统卷积神经网络,内存需求大、运算量大导致无法在移动设备以及嵌入式设备上运行;所以提出了MobileNet应用到实际生活中。 2017年提出的轻量级CNN网络MobileNet专注于移动端
MobileNet 学习笔记 MobileNet 学习笔记
MobileNet 学习笔记 MobileNet V1 & V2的学习内容可见视频:https://www.bilibili.com/video/BV1yE411p7L7/ MobileNet V3的学习内容可见视频:https:/
Vision Transformer 实验 Vision Transformer 实验
一、实验内容 **Vision Transformer (ViT) **的内容可见视频:https://www.bilibili.com/video/BV1Jh411Y7WQ/ Swin Transformer的内容可见视频:https:/
轻量级网络实验:MobileNet、ShuffleNet 与 HybridSN 轻量级网络实验:MobileNet、ShuffleNet 与 HybridSN
一、实验内容 MobileNet V1 & V2的内容可见视频:https://www.bilibili.com/video/BV1yE411p7L7/ MobileNet V3的内容可见视频:https://www.bilibil
卷积神经网络实验 卷积神经网络实验
一、实验内容 本学习内容围绕卷积神经网络,与其基础应用。 其中CNN的基础结构与典型网络结构的内容可见视频:https://www.jianguoyun.com/p/Da26fK0QrKKIBhi_0okGIAA MNIST数据集分类的教程
PyTorch 入门 PyTorch 入门
一、实验内容 本实验主要涉及了一些深度学习基础知识 其中深度学习概述的内容可见视频:https://www.jianguoyun.com/p/Da26fK0QrKKIBhi_0okGIAA 实验1.1 pytorch基础练习的教程可见飞书:
评论