qq_40630902的博客

斯坦福大学AI实验室：人工智能、机器人 https://ai.stanford.edu/ 麻省理工学院计算机科学与人工智能实验室 https://www.csail.mit.edu/ 牛津大学计算机科学学院：算法、人工智能、自动验证、数据与知识 http://www.cs.ox.ac.uk/ 卡内基梅隆机器人学院：机器人开发 https://www.cmu.edu/roboticsacademy/ 伯克利人工智能研究（BAIR）实验室：深度强化学习 https://bair.berkel..

Pytorch实现卷积运算（互相关） 1. 实现过程 在二维互相关运算中，卷积窗口从输入数组的最左上方开始，按从左往右、从上往下的顺序，依次在输入数组上滑动。当卷积窗口滑动到某一位置时，窗口中的输入子数组与核数组按元素相乘并求和，得到输出数组中相应位置的元素。图中的输出数组高和宽分别为2，其中的4个元素由二维互相关运算得出： 0×0+1×1+3×2+4×3=19,1×0+2×1+4×2+5×3=25,3×0+4×1+6×2+7×3=37,4×0+5×1+7×2+8×3=43. 0\times0+1\tim

Torch搭建网络层的三种方式 import torch import torch.nn as nn from collections import OrderedDict class LinearNet(nn.Module): def __init__(self, n_feature): super(LinearNet, self).__init__() self.linear = nn.Linear(n_feature, 1) def for

PyTorch入门 DeepLearning入门 PyTorch中文文档 深度学习入门 吴恩达深度学习deeplearning.ai-哔哩哔哩 Dive-into-DL-PyTorch 《动手学深度学习》(PyTorch版)-哔哩哔哩 PyTorch深度学习入门教程-哔哩哔哩 PyTorch实战教程 相关pdf PyTorch中文文档: 基本的torch语法 深度学习入门：深度学习基本知识 Dive-into-DL-PyTorch： 结合深度学习 PyTorch实战教程： 小项目实战 PyTo

1x1卷积和池化操作 1. 本质 1x1卷积和池化操作的本质是压缩feature mapping（输入层） 1x1卷积通过改变feature mapping（输入层）的通道数量，具体操作是减少通道数量实现压缩 池化操作通过改变feature mapping（输入层）的尺寸（宽和高） 2. 1x1卷积操作 假设这是一个28×28×192的输入层，如果通道数量很大，该如何把它压缩为28×28×32维度的层呢？你可以用32个大小为1×1的过滤器，严格来讲每个过滤器大小都是1×1×192维，因为过滤器中通道数量