没有合适的资源?快使用搜索试试~ 我知道了~
颜色分类leetcode-Group-Normalization-Tensorflow:图像分类任务中组归一化的TensorFl...
共28个文件
py:16个
png:6个
txt:3个
需积分: 9 0 下载量 149 浏览量
2021-07-06
21:30:14
上传
评论
收藏 8.64MB ZIP 举报
温馨提示
颜色分类leetcode 组归一化 作为 实施系列的一部分,我们的动机是通过推广开源项目来加速(或有时延迟)人工智能社区的研究。 为此,我们实施了最先进的研究论文,并以简明的报告公开分享。 请访问我们的其他项目。 该项目由 实施,代码在发布前已经过审核。 说明 该项目包括 Wu 等人在论文中提出的 Group Normalizations 的 Tensorflow 实现。 (BN) 已广泛用于深度神经网络的训练以减轻内部协变量偏移 [1]。 具体而言,BN 旨在以这样的方式转换每一层的输入,使它们的平均输出激活为零和标准偏差一。 虽然 BN 在包括计算机视觉、自然语言处理、语音处理、机器人等在内的多个领域都证明了它的有效性,但当训练批量变小时,BN 的性能会大幅下降,这限制了将 BN 用于需要很小的任务的收益。受内存消耗限制的批次。 受这种现象的启发,提出了组归一化 (GN) 技术。 GN 不是沿着批次维度进行归一化,而是将通道分成组并在每组内计算均值和方差。 因此,GN 的计算与批量大小无关,其准确性也是如此。 论文的实验部分展示了 GN 在广泛的视觉任务中的有效性,包括图像分类 (
资源推荐
资源详情
资源评论
收起资源包目录
Group-Normalization-Tensorflow-master.zip (28个子文件)
Group-Normalization-Tensorflow-master
util.py 2KB
LICENSE 1KB
input_ops.py 2KB
__init__.py 0B
trainer.py 11KB
ops.py 4KB
model.py 5KB
.gitignore 129B
figure
svhn_group_acc.png 754KB
gn.png 384KB
svhn_group_loss.png 892KB
cifar_group_loss.png 1000KB
cifar_group_acc.png 966KB
imagenet_ongoing.png 265KB
README.md 7KB
datasets
fashion_mnist.py 2KB
tiny_imagenet.py 3KB
mnist.py 2KB
imagenet
map.py 31KB
__init__.py 0B
train_list.txt 46.04MB
__init__.py 0B
imagenet.py 2KB
tiny_imagenet
val_list.txt 263KB
train_list.txt 4.18MB
cifar10.py 2KB
svhn.py 2KB
download.py 7KB
共 28 条
- 1
资源评论
weixin_38720173
- 粉丝: 8
- 资源: 945
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
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