注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. pytorch学习视频百度网盘链接.txt

  2. pytorch学习视频，2.5个G。包括 深度学习初见/ 开发环境安装/ 回归问题/ pytorch基础教程/ pytorch进阶教程/ 随机梯度下降/ 神经网络与全连接层/ 过拟合/ 卷积神经网络CNN/ CIFAR10与resnet实战/ 循环神经网络RNN&lstm/

  3. 所属分类：深度学习

    • 发布日期：2020-02-23
    • 文件大小：75byte
    • 提供者：u013171226

  1. 煤矸智能分选的机器视觉识别方法与优化

  2. 煤矸图像的在线准确快速识别是煤矸智能分选的关键，深度卷积神经网络能够解决这一问题。以实际生产状态下采集的煤与矸石图像为训练与测试样本，基于ResNet等经典网络与SqueezeNet等先进轻量级网络建立了煤矸图像识别模型，分析了各模型的训练收敛情况。基于k-means++判断模型中不同卷积核所提取特征的相似程度，基于模型剪枝技术对相似度高的卷积核进行裁剪，实现了识别模型的优化与压缩。以识别精度、模型规模和模型运算复杂度为评价指标，定量衡量了压缩前后各模型的测试性能。分析了压缩后的模型对煤矸难、易

  3. 所属分类：其它

  1. pytorch学习（十）——过拟合相关问题及解决方案

  2. 上传时间：2020/11/10 最后测试：2020/11/10 内容：pytroch解决过拟合相关问题及解决方案 其他：pytorch学习练习代码 相关介绍：https://blog.csdn.net/jerry_liufeng/article/details/109608811

  3. 所属分类：深度学习

    • 发布日期：2020-11-10
    • 文件大小：158kb
    • 提供者：jerry_liufeng

  1. Deep-Learning-Tricks:遇到的深度学习技巧-源码

  2. 模型 （1）模型自身结构 -> 模型的表达能力 （2）超参数选择 （3）数据模型不匹配 （4）数据集构造：没有足够数据、分类不均衡、有噪声的标签、训练集和测试集分布不均衡 欠拟合 （1）让模型更大：给模型加入更多的层 eg.ResNet-50 -> resNet-101，每层中更多的单元； （2）减少正则化 （3）错误分析：（训练集和测试集的分布偏差）测试时候出现问题进行分析，训练集缺少哪些情况导致错误，后续将在训练集中加入此类数据纠正偏差； （4）改进模型架构 （5）调节超参数：手

  3. 所属分类：其它

  1. 基于改进深度残差网络的计算断层扫描图像分类算法

  2. 基于改进的深度残差网络(ResNet),提出更加适合肺部组织的计算断层扫描(CT)图像模式分类模型。为克服医学图像分析中可用数据集稀少的困难,采用迁移学习方法来减小神经网络模型对数据量大的需求,以减小过拟合。迁移学习的策略是将肺内大量可用的无标签区域作为预训练的数据,使用深度互信息最大化和先验分布匹配的方法进行无监督表征学习。通过对比实验发现,改进的深度ResNet可以得到更高的分类精度,迁移学习算法可以有效地利用肺内无标签区域的数据,从而提升网络模型的分类表现。

  3. 所属分类：其它

  1. 深度学习PyTorch实践打卡（二）

  2. ##一、典型的神经网络结构 （1）传统的多层感知机 （2）卷积神经网络，包括 a. AlexNet 真正让卷积神经网络走进大家视野的网络 b. VGG 用更小的卷积核，在相同的感受野下具有更深的网络结构 c. GoogleNet 不同size的卷积核的Ensemble d. ResNet e. DenseNet (3) 循环/递归神经网络 a. LSTM b. GRU 二、Seq2Seq模型 三、注意力机制 四、过拟合、欠拟合及其解决方案 （1）过拟合、欠拟合的概念 一类是模型无法得到较低的训练

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：40kb
    • 提供者：weixin_38555019

  1. Masters-Thesis:思考与讲述-来自大脑数据的图像字幕-源码

  2. 硕士论文 思考与讲述-来自大脑数据的图像字幕 链接 提供ResNet预先训练的网络，这些网络“在ImageNet分类，ImageNet检测，ImageNet本地化，COCO检测和COCO分割中获得了第一名”，这可能对CNN层很有用。 计划 从“展示和讲述”一文中实现CNN-RNN体系结构，下载预训练的权重，从而在可能的情况下节省时间。 在mscoc数据集上对其进行测试 将其转换为与fMRI数据一起使用 添加注意力机制 使用变压器网络 去做： CNN-RNN网络 创建单独的测试集，以检查是否过拟

  3. 所属分类：其它

    • 发布日期：2021-03-29
    • 文件大小：182kb
    • 提供者：weixin_42144199