<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[SrtFrmGNU的博客]]></title><description><![CDATA[抑志弭节]]></description><link>https://blog.youkuaiyun.com/Lin_41</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Lin_41]]></copyright><item><title><![CDATA[DNS-Keras框架下代码分析]]></title><link>https://blog.youkuaiyun.com/Lin_41/article/details/85726936</link><guid>https://blog.youkuaiyun.com/Lin_41/article/details/85726936</guid><author>Lin_41</author><pubDate>Thu, 03 Jan 2019 22:49:44 +0800</pubDate><description><![CDATA[接上一篇：DNS-动态外科手术关键细节理解（结合caffe源码）

从git上也下载了一份关于Keras下将INQ（增量网络量化）与DNS结合的仓库，https://github.com/yaysummeriscoming/DNS_and_INQ

服务器下简单跑了下：

数据集是mnist，网络结构为：



15个epoches，从第三个epoch后开始剪枝，剪枝结果（卷积层--共五层）：

...]]></description><category></category></item><item><title><![CDATA[DNS-动态外科手术关键细节理解（结合caffe源码）]]></title><link>https://blog.youkuaiyun.com/Lin_41/article/details/85725588</link><guid>https://blog.youkuaiyun.com/Lin_41/article/details/85725588</guid><author>Lin_41</author><pubDate>Thu, 03 Jan 2019 22:37:06 +0800</pubDate><description><![CDATA[论文来源：Dynamic Network Surgery for Efficient DNNs



                                                       DNS-修剪示意图

具体算法流程：



算法实现分两步：第一不剪掉不重要的连接，第二对可能重要性恢复的连接进行拼接恢复。

这里有一点疑惑：怎样判断被误检而剪掉的连接？（实际上代码中对...]]></description><category></category></item><item><title><![CDATA[关于TF下的avg_pool对于padding=same时的注意事项]]></title><link>https://blog.youkuaiyun.com/Lin_41/article/details/85061132</link><guid>https://blog.youkuaiyun.com/Lin_41/article/details/85061132</guid><author>Lin_41</author><pubDate>Tue, 18 Dec 2018 10:44:18 +0800</pubDate><description><![CDATA[看李金洪的那本tf的入门书籍，在均值池化部分实验中出现了疑惑


import tensorflow as tf  
  
img=tf.constant([  
        [[0.0,4.0],[0.0,4.0],[0.0,4.0],[0.0,4.0]],  
        [[1.0,5.0],[1.0,5.0],[1.0,5.0],[1.0,5.0]],  
        [[2....]]></description><category></category></item><item><title><![CDATA[网络压缩--稀疏加速器--软硬件CoDesign]]></title><link>https://blog.youkuaiyun.com/Lin_41/article/details/84348934</link><guid>https://blog.youkuaiyun.com/Lin_41/article/details/84348934</guid><author>Lin_41</author><pubDate>Thu, 22 Nov 2018 21:44:35 +0800</pubDate><description><![CDATA[ 

18/11/22

论文标题：Exploring the Granularity of Sparsity in Convolutional Neural Networks

CPVR2017的一篇文章

主题是探索关于CNN不同粒度剪枝下稀疏度与accuracy的关系，论文摘要中首先提到粗粒度/结构化的剪枝方式能为硬件实现带来便捷，而细粒度的剪枝手段能带来更加强的剪枝效果，从而带来更好的稀疏...]]></description><category></category></item><item><title><![CDATA[Ng机器学习01]]></title><link>https://blog.youkuaiyun.com/Lin_41/article/details/75252960</link><guid>https://blog.youkuaiyun.com/Lin_41/article/details/75252960</guid><author>Lin_41</author><pubDate>Mon, 17 Jul 2017 16:28:15 +0800</pubDate><description><![CDATA[何为机器学习
有监督学习
例一
例二
无监督学习
例何为机器学习？对于机器学习（Machine Learning）的定义大体上有两种，第一种是美国人Arthur Samuel提出的，Arthur本人亦是人工智能（AI）的先驱。其定义如下：机器学习是通过给予电脑在为做特定编写程序的前提下具备学习得能力。这种定义是较为古老、非正式的定义。现代机器学习教父Tom Mitchell先生对于机器学习给出了第二]]></description><category></category></item><item><title><![CDATA[1.st For EPLAN]]></title><link>https://blog.youkuaiyun.com/Lin_41/article/details/48998361</link><guid>https://blog.youkuaiyun.com/Lin_41/article/details/48998361</guid><author>Lin_41</author><pubDate>Fri, 09 Oct 2015 12:20:56 +0800</pubDate><description><![CDATA[EPLAN模版文件有三种：以ept为后缀的项目模版文件；以zw9为后缀的基本项目文件；和以epb为后缀的项目基本文件。
项目模版新建有以下几种：
1.GB_tpl001.ept 项目模版：预设值GB标识结构（中国国家标准）包含主数据，如符号、表格、图表；
2.GOST_tpl001.ept 项目模版：适合于根据GOST标准创建项目（俄罗斯电气标准）包含主数据，如符号、表格、图表；
3.IE]]></description><category></category></item></channel></rss>