今日两弹有关Filter Learning的文章分享
文章具体对比如下:
第一篇的模型思想不难想像,作者希望在实际测试场景下,模型中的某些参数是依赖于输入测试样本的。考虑如下的场景:当我们在看到一个人的侧脸时,人可以“脑补”出这个人的正脸。作为训练好的模型,我们也希望她能够根据现实中的一些场景进行合理的联想和改变—反映到模型参数上就是希望参数是一些条件输入的函数,就比如前面人脸的例子。现在我们一起来看看,为了实现,作者是怎么做的:
对于左图所示模型,卷积后的output(对应的是图中显示output的地方)可以表示为,
G(i,j)