深度学习笔记015：GoogLeNet

最新推荐文章于 2025-02-08 18:12:45 发布
最新推荐文章于 2025-02-08 18:12:45 发布
阅读量183 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/ResumeProject/article/details/118570282
本文解析了一幅图像中通道数调整的神秘现象，探讨了作者未明说的64+125+32+32通道组合，揭示了减少和抽取信息的策略，但着重于解释这些数字背后的技术逻辑。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
上图中，白色的通道数可视为减少通道数，蓝色的可视为抽取信息比较诡异的一点是数字是怎么来的，作者没有提及最后是64+125+32+32个通道上图中，白色的通道数可视为减少通道数，蓝色的可视为抽取信息\\ 比较诡异的一点是数字是怎么来的，作者没有提及\\ 最后是64+125+32+32个通道上图中，白色的通道数可视为减少通道数，蓝色的可视为抽取信息比较诡异的一点是数字是怎么来的，作者没有提及最后是64+125+32+32个通道

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
😁😁😁😁😁😁😁😁😁😁😁😁😁😁😁😁😁😁😁😁😁😁😁😁😁😁😁😁😁😁😁😁
各种奇奇怪怪的诡异的替换各种奇奇怪怪的诡异的替换各种奇奇怪怪的诡异的替换

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

关于Resume训练 精度对齐的思考
一只大憨憨的博客
06-20 461
如果想要精度对齐，需要Resume 正确的 state_dict，正确的学习率调度器，正确的恢复优化器的状态，同时还需要设置相同的随机种子。
深度学习小白笔记：GoogLeNet篇（V1：Going Deeper with Convolutions）
qq_42883766的博客
12-07 372
在2014年ImageNet大规模视觉识别挑战(ILSVRC14)中，GoogLeNet获得了第一名。作者提出了一个代号为Inception的深度卷积神经网络架构，负责设定分类和检测的新技术状态。GoogLeNet的命名也是为了向早期的LeNet致敬。 在学习了VGG和Alexnet之后接触GoogLeNet之后，很自然的会从网络结构方面先入手，对他们进行比较（毕竟VGG和GoogLeNet是当年...
Ptorch深度学习-------断点续训
小蛙的博客
09-09 1423
Ptorch深度学习-------断点续训
神经网络训练中resume的使用
weixin_56607254的博客
07-14 2637
神经网络训练中resume的使用
深度学习参数设置（基于argparse）
weixin_44887621的博客
07-16 554
定义参数 import argparse parser = argparse.ArgumentParser() parser.add_argument('--config', type=str, default='configs/edges2shoes_folder.yaml', help='Path to the config file.') parser.add_argument('--resume', action="store_true",help='resume train')
CS224d－Day 2：TensorFlow 入门
aliceyangxi1987的博客
08-10 2276
CS224d－Day 2: TensorFlow 入门
深度学习笔记04：卷积神经网络基础与经典模型
"这篇DL笔记主要介绍了CNN的基础知识和几个经典的CNN模型，包括LeNet、AlexNet、VGG、NiN以及GoogLeNet。在CNN基础部分，讲解了二维互相关运算、二维卷积层、特征图、感受野、填充、步幅以及池化层等核心概念。" 在...
学习笔记：深度学习（3）——卷积神经网络（CNN）理论篇
热门推荐
Morganfs的博客
04-12 11万+
深度学习笔记——CNN卷积神经网络理论篇。主要包括CNN的概念、基本原理、类型综述。算是比较完善的一篇文章了。
深度学习入门：基于 Python 的理论与实现笔记
最新发布
u013244720的专栏
02-08 996
并且， 在神经网络的运算中，当数据传送成为瓶颈时，批处理可以减轻数据总线的负荷(严格地讲，相对于数据读入，可以将更多的时间用在计算上)神经网络的梯度：∂L/∂W = 偏导数集合 = (∂L/∂w11 ∂L/∂w12 ∂L/∂w13 ∂L/∂w21 ∂L/∂w22 ∂L/∂w23)线性函数：一条直线，或一个面，满足特性 f(x)=kx+b f(x+y)=f(x)+f(y) f(kx)=kf(x)全连接(fully-connected)：神经网络中，相邻层的所有神经元之间都有连接，用 Affine 层实现。
深度学习实战笔记一：google colab使用入门+mnist数据集入门+Dense层预测
qq_36281420的博客
05-04 3619
首先kexue上网，进入google云端硬盘 新建->更多->Google Colaboratory 创建了一个新的.ipynb文件 可修改该文件的名称 使用google colab的GPU 运行代码，点击链接，操作后粘贴码到下面方框中，回车 from google.colab import drive drive.mount(’/content/drive/’) 下面...
中文命名实体识别ner数据_resume_bio格式
10-25
中文命名实体识别ner数据_resume_bio格式 已经清理干净，放心下载，直接可以用各种ner模型训练
Resume
04-09
NULL 博文链接：https://bingxuecai.iteye.com/blog/1622616
GoogleNet神经网络介绍
2301_78820199的博客
03-29 1843
GoogleNet 超详细介绍！入门必看！
YOLOv5resume训练
青灵_Yaffa的博客
04-11 1647
YOLOv5resume训练AssertionError: runs\train\yolov5l-C3-VOC07+12-baseline\weights\last.pt training to 50 epochs is finished, nothing to resume. AssertionError: runs\train\yolov5l-C3-VOC07+12-baseline\weights\last.pt training to 50 epochs is finished, nothing t
YOLOV5-断点训练/继续训练
weixin_42886071的博客
09-03 1万+
yolov5-断点训练/继续训练
Python-深度学习常用脚本
如何心安理得的在老板眼皮下摸鱼
11-22 803
记录一些因为在网络训练，测试过程中经常用到的一些脚本 1.视频按帧提取 可以从一段视频中截取不同帧的图片，并保存至文件夹。 需要自己更改视频路径和图片保存路径 import os import cv2 import shutil VIDEO_PATH = 'test.mp4' # 视频地址 EXTRACT_FOLDER = 'video' # 存放帧图片的位置 EXTRACT_FREQUENCY = 1 # 帧提取频率 def extract_frames(video_path,.
深度学习001 绪论简介+深度学习之前机器学习流行的算法
ResumeProject的博客
07-09 343
课程安排 哈哈：深度学习有点像老中医，很有用，但是解释困难 课程介绍 应用 问题：机器学习的可解释性，比如在图像分割领域为什么有效? 答：模型的可解释性一直是一个值得关注的地方，大家都知道这是一个黑盒，面对一个模型无法知道其为什么工作，为什么不工作。对于深度学习来讲，这一块我们做的是不好的，对于机器学习来讲，我们对一些简单的模型有一些理解。 对于问题：“机器学习在图像分割领域为什么有效？”，有效和可解释性其实是两个问题，对于有效性，在提出模型时就产生了相应的解释，可解释
if args.resume:从断点处开始继续训练模型——How to resume training?（Faster RCNN）
Yale-曼陀罗
03-02 7077
if args.resume: load_name = os.path.join(output_dir, 'faster_rcnn_{}_{}_{}.pth'.format(args.checksession, args.checkepoch, args.checkpoint)) print("loading checkpoint %s" % (load_name)) checkpoint = torch.load(load_name) args.session
深度学习000：有关的名词以及课程的架构
ResumeProject的博客
07-11 175
epoch epoch 英[ˈiːpɒk] 美[ˈepək] n. 时代; 纪元; 时期; 世(地质年代，纪下分世); Epoch，时期； 纪元；世；新时代；指的是一个特定的时间：1970-01-01 00:00:00 UTC。 batch 批，一批样本 batch 英[bætʃ] 美[bætʃ] n. 一批; (食物、药物等)一批生产的量; 批; v. 分批处理; batchsize 样本大小，样本多少 iteration 迭代，训练一个Batch就是一次Iteration iteration 英[
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值