没有合适的资源?快使用搜索试试~ 我知道了~
第一次使用kaggle的notebook,可以免费使用gpu还是挺爽的,不过就是不了解读取数据集的路径到底是怎么用的?感觉 /root/Datasets/里面的数据集不是主页面的Datasets 加强记忆:计算卷积,池化的H,W conv:W/H_new = (W/H_old + 2*padding – kernel_size) / stride +1 (padding是上下左右对称加的) pad: W/H_new = (W/H_old – kernel_size) / stride + 1 VGG 使用重复元素的网络 VGG的计算单位是一个Block,每一个Block都有数个:数个相同的填
资源推荐
资源详情
资源评论
VGG,NIN and GoogLeNet
第一次使用kaggle的notebook,可以免费使用gpu还是挺爽的,不过就是不了解读取数据集的路径到底是怎么用的?感觉 /root/Datasets/里面的数据集不是主页面的Datasets
加强记忆:计算卷积,池化的H,W
conv:W/H_new = (W/H_old + 2*padding – kernel_size) / stride +1 (padding是上下左右对称加的)
pad: W/H_new = (W/H_old – kernel_size) / stride + 1
VGG 使用重复元素的网络使用重复元素的网络
VGG的计算单位是一个Block,每一个Block都有数个:数个相同的填充为1、窗口形状为3 * 3的卷积层,接上一个步幅为2、窗口形状2 * 2的最大池化层。
卷积层保持输入的高和宽不变,而池化层则对其减半。
def vgg_block(num_convs, in_channels, out_channels): #卷积层个数,输入通道数,输出通道数
blk = [] for i in range(num_convs):
if i == 0:
blk.append(nn.Conv2d(in_channels, out_channels, kernel_size=3, padding=1))
else:
blk.append(nn.Conv2d(out_channels, out_channels, kernel_size=3, padding=1))
blk.append(nn.ReLU())
blk.append(nn.MaxPool2d(kernel_size=2, stride=2)) # 这里会使宽高减半
return nn.Sequential(*blk)
# 添加的时候超级方便,直接使用add_module,并且命个名,同样链接dense也需要flatten一下
def vgg(conv_arch, fc_features, fc_hidden_units=4096):
net = nn.Sequential()
# 卷积层部分
for i, (num_convs, in_channels, out_channels) in enumerate(conv_arch):
# 每经过一个vgg_block都会使宽高减半
net.add_module("vgg_block_" + str(i+1), vgg_block(num_convs, in_channels, out_channels))
# 全连接层部分
net.add_module("fc", nn.Sequential(d2l.FlattenLayer(), # 展平 三维变一维
nn.Linear(fc_features, fc_hidden_units),
nn.ReLU(),
nn.Dropout(0.5),
nn.Linear(fc_hidden_units, fc_hidden_units),
nn.ReLU(),
nn.Dropout(0.5),
nn.Linear(fc_hidden_units, 10)
))
return net
补充:在训练的时候,如果样本太少,参数可以适当减少;参数多样本少容易产生过拟合。
NiN 网络中的网络网络中的网络
1*1卷积核的作用:
可以对feature map进行通道的放缩;
相当于全连接的计算过程,不相当于全连接的计算过程,不flatten再计算,不会丢失空间信息,并且可以加上非线性激活参数再计算,不会丢失空间信息,并且可以加上非线性激活参数;
大大减少参数量!(在其他博客学到的)
资源评论
weixin_38704922
- 粉丝: 6
- 资源: 919
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 深入理解Mysql原理和优化.zip
- 基于Vite4ant-design-vue4、Pinia、UnoCSS和Typescript一整套企业级中后台前端/设计解决方案
- HTML5 简约动态星空CSS代码设计
- 课程设计作业-PHP学生选课信息管理系统(说明文档 + 源码 + 数据库文件)
- Linux常用命令大全0.zip
- 基于Java的甜品商店后台管理系统设计源码
- 基于thinkphp5和layui的JTimer秒级定时任务管理设计源码
- 基于JavaScript语言Web项目图书管理系统(源代码+md说明文档)-计算机专业精品前端课程设计
- VTable 是 VisActor 可视化体系中的表格组件库,基于可视化渲染引擎 VRender 进行封装
- 基于Java的 android百度图像识别API开发的车型识别APK
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功