码迷,mamicode.com
首页 >  
搜索关键字:alexnet    ( 177个结果
深度学习原理与框架-卷积网络细节-经典网络架构 1.AlexNet 2.VGG
1.AlexNet是2012年最早的第一代神经网络,整个神经网络的构架是8层的网络结构。网络刚开始使用11*11获得较大的感受野,随后使用5*5和3*3做特征的提取,最后使用3个全连接层做得分值得运算,使用的是softmax分类器 2. VGG-net,网络的特点是全部使用3*3的卷积,通常有两个版 ...
分类:Web程序   时间:2019-03-12 10:43:14    阅读次数:220
voc-fcn-alexnet网络结构理解
一、写在前面fcn是首次使用cnn来实现语义分割的,论文地址:fully convolutional networks for semantic segmentation实现代码地址:https://github.com/shelhamer/fcn.berkeleyvision.org全卷积神经网络... ...
分类:Web程序   时间:2019-03-10 15:05:21    阅读次数:288
AlexNet结构图详解
...
分类:Web程序   时间:2019-03-04 21:22:18    阅读次数:256
卷积神经网络(第二周:深度神经网络)
2.1 实例分析 经典实例:LeNet-5;AlexNet;VGG;ResNet;Inception LRN现在都不用了 ...
分类:其他好文   时间:2019-02-15 19:43:50    阅读次数:186
PyTorch 1.0 中文文档:torch.onnx
译者: "guobaoyo" 示例:从Pytorch到Caffe2的端对端AlexNet模型 这里是一个简单的脚本程序,它将一个在 torchvision 中已经定义的预训练 AlexNet 模型导出到 ONNX 格式. 它会运行一次,然后把模型保存至 : 得到的 是一个 protobuf 二值文件 ...
分类:其他好文   时间:2019-02-03 18:15:07    阅读次数:212
卷积神经网络之LeNet
开局一张图,内容全靠编。 上图引用自 "【卷积神经网络 进化史】从LeNet到AlexNet" . 目前常用的卷积神经网络 深度学习现在是百花齐放,各种网络结构层出不穷,计划梳理下各个常用的卷积神经网络结构。 目前先梳理下用于图像分类的卷积神经网络 LeNet AlexNet VGG GoogLeN ...
分类:Web程序   时间:2019-01-28 13:54:16    阅读次数:301
tensorFlow入门实践(三)初识AlexNet实现结构
参考黄文坚《TensorFlow实战》一书,完成AlexNet的整体实现并展望其训练和预测过程。 后续形成实现卷积神经网络构建、训练、测试的代码架构,会将Alexnet实现结构重新组织完整和优化。 ...
分类:Web程序   时间:2019-01-28 01:22:44    阅读次数:232
AlexNet卷积神经网络【前向反馈】
1.代码实现 2.结果 3.分析 1、AlexNet是比赛分类项目的2012年冠军,top5错误率16.4%,8层神经网络。 2、AlexNet中包含了几个比较新的技术点,首次在CNN中成功应用了Relu、Dropout、 Lrn等Trick。 3、运用Relu,解决Sigmoid在网络层次较深时的 ...
分类:Web程序   时间:2019-01-27 12:57:36    阅读次数:171
初识 Matlab Alexnet 测试
0、alexnet安装根据官网走即可——https://ww2.mathworks.cn/help/deeplearning/ref/alexnet.html 1、在matlab上安装好alexnet网络后,按下面代码检测效果 。 clear;clc;close all; net = alexnet ...
分类:Web程序   时间:2019-01-22 18:36:13    阅读次数:416
验证码的识别(下)
三、训练识别模型 首先先拷贝一个nets文件夹,主要使用的是文件夹下的两个文件nets_factory.py、alexnet.py,用于导入训练使用的网络alexnet。 nets_factory.py alexnet.py 对源码做出一定的修改,前面的卷积和池化作为共享层保持不变,主要就是修改最后 ...
分类:其他好文   时间:2019-01-08 16:40:17    阅读次数:225
177条   上一页 1 ... 5 6 7 8 9 ... 18 下一页
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!